Informatica - Visione artificiale e riconoscimento di modelli

Nuovo metodo di mezzetone ripristina i colori originali migliorando la qualità dell'immagine.

Un nuovo framework migliora l'efficienza e la precisione nella rilevazione di HOI.

Un nuovo modo per affrontare le sfide nell'apprendimento incrementale a pochi colpi.

Nuovi metodi auto-supervisionati migliorano l'analisi delle immagini mediche senza bisogno di tanti dati etichettati.

Uno sguardo a come l'attribuzione delle caratteristiche migliora l'interpretabilità nel deep learning.

Un nuovo approccio combina colore e profondità per creare immagini 360 gradi realistiche.

Usare i metodi UDA migliora la classificazione delle lesioni cutanee e promuove l'equità tra le diverse demografie.

Un nuovo metodo per combinare modelli AI interpretabili e complessi per una comprensione migliore.

Un modello unificato migliora la precisione del tracciamento usando caratteristiche visive e linguistiche.

Esaminare come i video di TikTok influenzano l'atteggiamento dei giovani nei confronti del sesso.

Riassunto dei trasformatori linguistici visivi e del loro impatto sui compiti dell'IA.

Un nuovo metodo migliora il matching tra immagini visibili e infrarosse.

Trasforma testi semplici in immagini animate affascinanti senza sforzo.

Valutare le abilità dei modelli nel riconoscimento e localizzazione delle azioni nei video.

Questo dataset punta a migliorare il recupero di notizie video in cinque lingue.

Strategie per migliorare le performance dei piccoli modelli con nuovi dati.

LISSNAS riduce in modo efficiente gli spazi di ricerca per avere design di reti neurali migliori.

Nuovi metodi combinano la modellazione a sottospazi e i modelli generativi per migliorare l'imaging RM.

M UNet migliora la rilevazione precoce dei polipi per combattere il cancro colorettale.

Un nuovo metodo usa i GAN per creare immagini mediche diversificate, mantenendo la privacy dei pazienti.

Uno studio propone un metodo per classificare il morbo di Parkinson in tre categorie usando dati di imaging.

Esplorando soluzioni per migliorare la sensibilità culturale nella tecnologia T2I.

Questo studio analizza la distribuzione delle immagini usando modelli generativi per una migliore riconoscibilità.

Questo articolo esamina l'applicazione dei modelli di base nella segmentazione delle immagini.

Il dataset TBX11K e il framework SymFormer migliorano l'accuratezza nella rilevazione della tubercolosi.

Un nuovo metodo migliora la precisione della segmentazione utilizzando l'adattamento del dominio semi-supervisionato.

Esaminando come la separabilità dei sottogruppi influisce sui pregiudizi nei modelli di imaging medico.

Usare l'IA per migliorare le immagini mediche e fare diagnosi di malattie migliori.

Un metodo per guidare i modelli di diffusione e prevenire la generazione di immagini indesiderate.

Proto-CLIP migliora il riconoscimento degli oggetti da parte dei robot usando pochi esempi.

Esplorare le vulnerabilità nei modelli di intelligenza artificiale a causa di immagini ingannevoli.

La ricerca usa l'IA per creare immagini di foreste realistiche per migliorare le pratiche agricole.

R3-ProtoPNet migliora ProtoPNet usando il feedback umano per una classificazione delle immagini migliore.

Ricerca sulle tecniche di potatura per migliorare l'efficienza delle reti neurali.

Un nuovo metodo di inizializzazione dei pesi migliora l'accuratezza della segmentazione nelle immagini mediche.

Questo studio presenta un metodo per creare forme 3D da schizzi senza dati abbinati.

NCD aiuta a classificare categorie di dati sconosciute usando dati etichettati e non etichettati.

Un nuovo metodo migliora le previsioni sui movimenti dei pedoni per i veicoli autonomi.

I LDM migliorano il riconoscimento di dati fuori distribuzione nelle immagini mediche 3D.

INT-FP-QSim aiuta a migliorare le performance dei modelli di linguaggio con bassa precisione.