Informatica - Visione artificiale e riconoscimento di modelli

Nuovi metodi migliorano l'accuratezza nei sistemi di riconoscimento delle targhe.

Un nuovo metodo unisce rendering di alta qualità con prestazioni veloci usando Tri-MipRF.

Scopri come XLDA gestisce in modo efficiente grandi set di dati e si adatta a nuove classi.

Un nuovo metodo migliora la colorizzazione dei video usando tecniche di regolazione in tempo reale.

La ricerca mostra che usare immagini sintetiche per segmentare i polipi è molto promettente.

Cold Diffusion offre processi MRI più veloci mantenendo un'alta qualità delle immagini.

Nuove tecniche puntano a migliorare la qualità delle immagini e ridurre i tempi di generazione.

Un nuovo modello di editing delle immagini usa istruzioni linguistiche per modifiche intuitive.

Questo progetto migliora l'accuratezza delle previsioni sul comportamento delle auto a guida autonoma usando dati combinati.

HRFNet migliora il riconoscimento delle immagini satellitari manipulate grazie a un'integrazione avanzata delle caratteristiche.

PE-YOLO migliora l'accuratezza del rilevamento degli oggetti in condizioni di scarsa illuminazione.

Un nuovo approccio combina linguaggio e apprendimento auto-supervisionato per migliorare l'analisi video.

WeakPolyp semplifica la rilevazione dei polipi usando riquadri di delimitazione per risultati più rapidi e precisi.

Un nuovo framework migliora la chiarezza nelle didascalie delle figure scientifiche utilizzando input di esperti.

Un nuovo metodo riduce i token nei Vision Transformers, migliorando l'efficienza e la precisione.

Un metodo che migliora il machine learning per l'imaging medico con meno dati.

Un nuovo approccio migliora la stima della profondità con dati di addestramento diversi.

TwinLiteNet offre una soluzione leggera per una rilevazione precisa dell'area di guida e delle corsie.

Un nuovo modo per rilevare i punti chiave nelle immagini retiniche usando set di dati limitati.

LLNeRF migliora la qualità delle immagini per rappresentazioni 3D migliori in condizioni di scarsa illuminazione.

Il dataset RetouchingFFHQ migliora i metodi di rilevamento del ritocco facciale.

PathOmics integra dati di patologia e genomica per migliorare le previsioni di sopravvivenza per il cancro al colon.

Un nuovo metodo utilizza il linguaggio per migliorare la stima della posa dei robot in aree affollate.

Combinare dati di sondaggi e immagini satellitari migliora la precisione nel misurare i tassi di povertà.

Il deep learning affronta seri rischi da attacchi adversarial che sviando i sistemi.

Una panoramica dei metodi di potatura e quantizzazione applicati a YOLOv5.

RefineBox migliora l'accuratezza della localizzazione nei modelli di rilevamento oggetti simili a DETR.

Un nuovo metodo migliora l'augmentazione dei dati per la classificazione delle immagini istopatologiche.

Questo nuovo approccio migliora il modo in cui vengono analizzate le connessioni cerebrali usando la risonanza magnetica di diffusione.

Un nuovo metodo migliora l'analisi dei globuli bianchi nell'imaging medico.

Uno sguardo a come la previsione conforme si comporta in condizioni difficili.

Un nuovo metodo permette ai droni di seguire l'uno l'altro usando telecamere e IMU.

Valutare i rischi nei sistemi di rilevamento ostacoli per treni autonomi a bassa velocità.

Questa ricerca mostra come GPT-4 può migliorare l'accuratezza nella classificazione delle immagini usando descrizioni visive.

Il framework FEDD migliora l'accuratezza nella diagnosi delle malattie della pelle usando l'IA.

Un nuovo approccio migliora l'accuratezza nell'identificare le pale delle turbine eoliche attraverso un'elaborazione delle immagini avanzata.

Nuovo dataset migliora il ragionamento nei compiti di ancoraggio visivo.

YOLOPose usa i Transformer per una stima precisa della posa 6D degli oggetti.

Un nuovo metodo stima i numeri di Betti da grandi immagini quadridimensionali usando le CNN.

Bridger migliora la segmentazione dell'immagine integrando efficacemente le descrizioni linguistiche.