Informatica - Visione artificiale e riconoscimento di modelli

Un nuovo progetto migliora la comprensione delle informazioni visive da parte delle macchine grazie a un grande dataset.

Migliorare l'efficienza del riconoscimento degli oggetti mantenendo la semplicità.

Migliorare il livello di base per una migliore analisi delle macchine e visione umana.

Un nuovo metodo combina il riconoscimento a etichetta parziale e zero-shot per un'analisi delle immagini più efficiente.

Nuovi metodi migliorano la resistenza dei sistemi di rilevamento degli oggetti ai cambiamenti avversi.

Nuovi metodi creano azioni umane realistiche da testo, migliorando le esperienze di gioco e film.

Scopri il ruolo dei tensori nelle tecniche moderne di analisi dei dati.

Questo metodo migliora le stime di incertezza senza dover riaddestrare il modello.

Combinare i dati LiDAR e quelli della camera migliora l'accuratezza nella segmentazione panottica 3D.

Un nuovo metodo di IA genera rapidamente immagini creative per copertine di libri.

Un nuovo metodo per il tracciamento e la segmentazione usando solo modelli di apparenza.

Il nostro sistema migliora la realtà aumentata stimando con precisione l'illuminazione e generando ombre realistiche.

Questo metodo migliora la classificazione delle immagini tramite una rappresentazione delle classi innovativa.

La ricerca collega neuroni specifici nei modelli all'interpretazione delle immagini e alla generazione di testo.

MA-CLIP migliora il riconoscimento delle azioni usando pochi esempi e una migliore integrazione di video e testo.

Valutare come l'IA interpreta le immagini rispetto alla percezione umana usando un nuovo dataset.

Un metodo per generare immagini migliori che protegge la privacy usando set di dati pubblici.

Scopri come mantenere i sistemi di ricerca efficaci nonostante i cambiamenti nel contenuto online.

I modelli di fondazione stanno migliorando l'efficienza nella segmentazione delle immagini mediche.

Un nuovo metodo utilizza i GAN per creare dati radar realistici per una guida automatizzata più sicura.

RadFM migliora la radiologia con dati multimodali e capacità di analisi avanzate.

Presentiamo un modello che prevede l'attività cerebrale dalle immagini in modo efficiente.

Fourier-Net semplifica e accelera la registrazione delle immagini mediche per migliori risultati nella salute.

MSECNet migliora la precisione e la velocità nella stima delle normali nelle nuvole di punti 3D.

Un nuovo metodo migliora il rilevamento di oggetti 3D per veicoli autonomi usando la rappresentazione BEV.

Nuovo metodo utilizza video per posizionare i sensori nel monitoraggio delle attività umane.

Questo metodo migliora le immagini HDR partendo da singole foto LDR usando tecnologia innovativa.

Nuovi metodi migliorano la trasformazione dello stile delle immagini usando i modelli di diffusione a score decomposti.

SJTU-H3D offre strumenti fondamentali per valutare la qualità degli umani digitali.

Questo studio rivela dei pregiudizi su come le auto autonome rilevano i pedoni in base all'età e al colore della pelle.

Nuovi metodi migliorano l'accuratezza della rilevazione delle nuvole nelle immagini satellitari.

Un nuovo framework migliora l'adattamento dei modelli a ambienti mai visti prima usando metodi di auto-addestramento.

Un nuovo metodo combina lo stile dell'immagine e il contenuto per interpretare le emozioni con precisione.

Nuovo metodo migliora l'apprendimento da set di dati sbilanciati per una migliore riconoscimento delle classi.

Nuovo metodo riduce gli artefatti di bande nei video HDR stimando l'esposizione dai dati dei pixel.

Un nuovo metodo genera mesh umane 3D diverse da un'unica immagine.

La ricerca si concentra sull'automazione della rilevazione degli edifici e della misurazione dell'altezza dalle immagini satellitari.

FAST rivoluziona la modifica del testo nelle scene con modifiche naturali e flessibilità.

Nuove tecniche nell'imaging medico migliorano l'accuratezza della diagnosi con deep learning.

Un nuovo metodo combina schizzi e testo per migliorare la generazione di forme 3D.