Articoli più recenti per Visione Artificiale

Uno sguardo alla OpenLane Topology Challenge e ai suoi metodi innovativi.

Un nuovo framework migliora la segmentazione delle nuvole di punti usando modelli di visione di base.

La ricerca mostra che ci sono neuroni comuni che aiutano a capire tra diversi modelli di intelligenza artificiale.

Presentiamo DreamSim, una misura allineata con la percezione visiva umana.

Un nuovo modello analizza le interazioni sociali usando immagini 2D per simulare comportamenti 3D.

Introducendo un nuovo metodo per il riconoscimento di oggetti zero-shot usando descrizioni testuali.

OpenOOD v1.5 migliora i metodi di valutazione per la rilevazione di OOD per prestazioni affidabili.

Una panoramica dei metodi di segmentazione delle immagini di cibo e della loro importanza per la nutrizione.

La perdita ELM migliora l'accuratezza della classificazione per le classi minoritarie nei modelli di riconoscimento delle immagini.

Un nuovo metodo migliora l'adattamento di dominio nella segmentazione semantica usando l'apprendimento contrastivo.

Un nuovo approccio migliora l'adattabilità degli agenti in ambienti complessi.

Un modo semplice per creare layout di stanze 3D dettagliati usando annotazioni 2D.

Combinare filtri passa-alto e autoencoder migliora le grafiche vettoriali dalle immagini.

Ricerca su tecniche per migliorare le performance del Visual Question Answering.

Nuovi metodi migliorano l'efficienza e le prestazioni del filtro inverso delle immagini.

Uno studio su come abbinare le azioni nei video nel tempo e nello spazio.

Questo metodo migliora la percezione 3D per le auto a guida autonoma usando i dati delle telecamere.

Un nuovo metodo migliora le prestazioni della segmentazione delle immagini tramite tecniche innovative.

Un nuovo modello migliora l'efficienza e l'adattabilità dell'apprendimento con pochi campioni.

MOSAIC rivoluziona la ricostruzione delle immagini da dati limitati usando tecniche flessibili.

Questo articolo presenta un metodo che combina il machine learning con il feedback umano per etichettare le immagini più velocemente.

Esaminare il ruolo dell'apprendimento auto-supervisionato nel migliorare i modelli transformer per compiti di nuvole di punti.

CID offre un nuovo modo per elaborare le nuvole di punti 3D in modo efficiente.

Migliorare l'accuratezza nella rilevazione 3D usando tecniche innovative di mappa di profondità.

DH-PTAM combina telecamere stereo e telecamere a eventi per mappature migliori.

Nuovi metodi migliorano la qualità e l'efficienza della denoising delle immagini.

Un nuovo approccio migliora le configurazioni di pooling nelle reti neurali convoluzionali.

BEVScope migliora la stima della profondità per capire meglio gli ambienti nella robotica.

Nuovi metodi migliorano l'efficienza e la qualità dell'addestramento dei modelli di immagini.

Una nuova architettura hardware migliora l'efficienza e la precisione nel rilevamento del testo nelle scene.

Un nuovo modo per abbinare immagini a nuvole di punti usando dati geometrici e di colore.

Un nuovo metodo di addestramento migliora la resistenza dei classificatori di immagini a patch fuorvianti.

Una strategia per ottimizzare l'etichettatura dei dati nei compiti di visione artificiale.

Il Geometric Pooling migliora la conservazione delle caratteristiche nell'analisi dei dati grafici.

Raggiungere un'alta precisione nella classificazione delle immagini con un modello ResNet compatto.

Un approccio efficace per dataset più piccoli nella visione artificiale senza perdere informazioni chiave.

Un nuovo metodo migliora il modo in cui le macchine stimano la profondità dalle immagini.

Un nuovo approccio alla segmentazione delle immagini migliora la velocità e la precisione.

Un approccio flessibile per migliorare la qualità delle immagini senza bisogno di sapere prima quali siano i problemi.

Un nuovo metodo migliora il recupero delle immagini usando Soft Orthogonality e Vision Transformers.