Articoli più recenti per Analisi Video

Uno sguardo a come la segmentazione delle azioni migliora la nostra comprensione dei comportamenti animali.

Ego-VPA rende più semplice l'adattamento per l'analisi dei video egocentrici, migliorando l'efficienza e le performance.

SANGRIA migliora l'analisi video chirurgica usando grafi di scena dinamici e annotazioni minime.

Questo studio migliora il rilevamento delle azioni nei video concentrandosi sul contesto e sulla classificazione.

Nuovo metodo migliora il tracciamento dei punti collegando il linguaggio ai dati visivi.

SAM-2 migliora l'analisi dei video chirurgici, affrontando problemi come fumo e scarsa illuminazione.

Questo modello prevede il movimento degli oggetti e analizza i contenuti video in modo efficace.

Un nuovo dataset e metodo migliorano il video grounding per narrazioni complesse.

YOWOv3 migliora il rilevamento delle azioni nei video con efficienza e precisione.

COM Kitchens offre video di cucina non editati per studiare i processi di preparazione del cibo.

MATR migliora il rilevamento delle azioni in flussi video non modificati tramite tecnologia aumentata dalla memoria.

mPLUG-Owl3 migliora la comprensione delle immagini e dei video per risposte migliori.

Nuovo approccio migliora la classificazione delle azioni usando il contesto storico nei video.

Questo framework migliora la localizzazione delle azioni nei video usando rappresentazioni probabilistiche e contesto.

Un metodo per riassumere video da diverse culture e fonti di notizie.

I benchmark attuali non valutano bene la capacità dei modelli di collegare dati audio e visivi.

Un nuovo metodo migliora il tracciamento degli oggetti nei video in prima persona usando la consapevolezza 3D.

Nuovi metodi migliorano l'accuratezza e l'efficienza della segmentazione video per diverse applicazioni.

Nuovi metodi migliorano il riconoscimento delle azioni nei video grazie a tecniche di allenamento innovative.

Esaminando il potere dei modelli di base nei compiti di tracciamento dei punti.

Un nuovo metodo trova eventi video usando grandi modelli pre-addestrati senza addestramento specifico.

Questo studio migliora il riconoscimento delle azioni unendo le mappe di profondità con i frame video RGB.

ConsistencyTrack migliora il tracciamento degli oggetti nei video usando tecniche innovative per gestire il rumore.

Un nuovo approccio migliora la rilevazione delle azioni nei video affrontando il problema del collasso dell'attenzione.

Tecniche innovative migliorano la rilevazione dei video deepfake in mezzo a una tecnologia in continua evoluzione.

FinePseudo migliora il riconoscimento delle azioni dettagliate usando meno esempi etichettati.

ViDiDi migliora l'apprendimento video grazie all'uso efficace di dati non etichettati.

Un nuovo metodo migliora il tracciamento degli oggetti nei video usando solo una telecamera.

Un nuovo metodo migliora le previsioni dei movimenti delle mani nei video per robot e realtà virtuale.

Questo framework sfrutta immagini statiche per creare un efficace addestramento dei modelli video.

Un nuovo metodo migliora la precisione nel tracciare il movimento umano dai video.

SoccerNet 2024 sfide spingono l'innovazione nella comprensione video per il calcio.

Un nuovo modo di capire le relazioni tra variabili in ambienti che cambiano.

La ricerca si concentra sul migliorare la capacità dell'IA di riconoscere azioni nei video.

Un nuovo framework migliora il rilevamento delle relazioni tra oggetti nei video, aumentando precisione e adattabilità.

Un nuovo approccio migliora il video question answering grazie al riconoscimento del testo nelle scene.

Walker offre un tracciamento degli oggetti efficiente con una minima etichettatura dei dati.

Il framework Temporal2Seq semplifica molteplici compiti di comprensione video in un unico modello.

VideoLISA usa il linguaggio per segmentare e tenere traccia degli oggetti nei video in modo efficace.

Un benchmark che valuta la capacità dei LMM di analizzare la qualità video.