Informatica - Visione artificiale e riconoscimento di modelli

Nuovo modello di deep learning migliora la previsione del movimento per oggetti solidi in 3D.

Uno studio mostra che si abbina meglio i veicoli attraverso aree di cattura immagine strategiche.

Un framework migliora l'efficienza della teleoperazione in ambienti a bassa luminosità utilizzando valutazioni automatizzate.

LeRF combina deep learning e interpolazione per un resizing delle immagini migliore.

FALFormer migliora la precisione nell'analisi delle WSI mediche per la diagnostica.

Un nuovo metodo migliora la sicurezza prevedendo con precisione il Tempo fino all'Impatto usando telecamere basate su eventi.

DiffRect migliora la segmentazione delle immagini mediche migliorando la qualità delle etichette pseudo e la comprensione della distribuzione.

CosmoCLIP collega immagini e testo per un'analisi migliore dei dati astronomici.

Migliorare la sicurezza delle auto a guida autonoma attraverso tecniche avanzate di rilevamento oggetti 3D.

Un nuovo approccio migliora la compressione dei dataset e l'efficienza dell'addestramento dei modelli.

Un sistema che tiene traccia delle emozioni per migliorare il coinvolgimento degli studenti nell'istruzione.

Un nuovo metodo testa l'affidabilità dei modelli di deep learning nell'imaging medico.

Nuovo metodo migliora la generazione di immagini partendo da pochi esempi.

Nuovi metodi migliorano l'aspetto delle scene 3D basandosi su immagini 2D in modo efficiente.

Un nuovo metodo migliora la precisione dei colori nei modelli da testo a immagine.

Un nuovo set di dati aiuta a trovare crepe nascoste nelle pale delle turbine eoliche.

Una nuova funzione di perdita migliora l'accuratezza della segmentazione dei tumori nelle immagini mediche.

Questo metodo migliora il riconoscimento delle immagini secondo i gusti personali grazie a soluzioni scalabili.

V-VIPE migliora la stima della posa 3D da immagini 2D, superando le sfide angolari.

Nuovo metodo riduce la radiazione nell'imaging DSA migliorando la qualità dell'immagine.

Un metodo per identificare e ricreare concetti dalle immagini senza input umano.

CTSLAM migliora la localizzazione e la mappatura robotica utilizzando un'integrazione dei dati flessibile.

ProtoSAM offre una segmentazione efficace con dati minimi, mostrando potenzialità nell'imaging medico.

Esplorare come le macchine possono seguire le indicazioni umane negli spazi reali.

Usare video non etichettati per migliorare il riconoscimento delle azioni in video lunghi.

Un nuovo algoritmo di fusione migliora notevolmente l'accuratezza della segmentazione delle istanze 3D.

Questo studio esamina quanto bene i modelli rappresentano culture diverse.

Un nuovo approccio migliora la comprensione della progressione dell'Alzheimer.

Un nuovo approccio affronta l'eccesso di fiducia nei sistemi che riconoscono più etichette.

AstroSpy affronta il problema delle immagini generate dall'IA in astronomia.

CycleSAM migliora la segmentazione chirurgica usando l'addestramento su singole immagini per risultati migliori.

Migliorare il rilevamento con immagini RGB e di profondità per affrontare le sfide del mondo reale.

SACNet migliora la segmentazione delle immagini mediche grazie a un'architettura innovativa e a una funzione di perdita.

Una nuova misura di valutazione migliora le prestazioni del modello nei compiti di classificazione multilabel.

Un nuovo metodo migliora il targeting dei tumori nella radioterapia usando la tecnologia AI.

Nuove strategie combinano mappatura e previsione del comportamento per veicoli a guida autonoma.

Un nuovo modello combina ConvNets e Transformer per migliorare la classificazione delle immagini.

Un nuovo framework valuta i metodi per anonimizzare i dati biometrici per migliorare la privacy.

Nuovi metodi migliorano la personalizzazione nella generazione di immagini da testo.

Un nuovo metodo combina dati video e IMU per migliorare le tecniche di riconoscimento delle azioni.