Articoli più recenti per Visione Artificiale

La competizione mette in mostra gli sforzi per modelli di guida più sicuri in condizioni difficili.

EMBA migliora l'imaging panoramico usando la tecnologia delle telecamere a eventi.

DetailCLIP migliora la comprensione delle immagini concentrandosi sui dettagli e sul contesto.

gsplat semplifica il Gaussian Splatting per creare immagini 3D in modo efficiente.

Un nuovo metodo permette alle macchine di modellare con precisione forme in movimento e che cambiano.

Questo articolo parla di metodi per confrontare immagini usando modelli di elasticità non lineare.

Utilizzare modelli CAD può migliorare la stima della posa del robot affrontando le incertezze.

Un metodo per migliorare la comprensione dei robot sui componenti degli edifici usando dati RGB-D.

Nuove metriche aiutano a valutare i metodi SSL utilizzando dati non etichettati in modo efficace.

Seg-HGNN migliora la segmentazione delle immagini usando reti neurali grafiche iperboliche.

Un nuovo metodo migliora il rilevamento degli oggetti nelle applicazioni in tempo reale.

Questo articolo svela metodi per interpretare modelli simili a CLIP nell'IA.

Un framework per migliorare le performance dell'AI nei compiti visivi imitandone i giudizi umani.

Un nuovo modulo migliora la segmentazione di oggetti sconosciuti senza dover riaddestrare i modelli principali.

Il dataset Texture-AD colma le lacune nei dati per la rilevazione di anomalie industriali.

Questo studio propone il seam carving per migliorare la classificazione delle immagini nelle CNN.

Questo framework migliora le prestazioni di segmentazione con meno esempi e un uso efficiente del modello.

Un nuovo metodo migliora la stima della profondità nelle immagini endoscopiche per risultati chirurgici migliori.

ViTTM migliora l'elaborazione delle immagini grazie a meccanismi innovativi basati su token.

Un metodo per migliorare l'adattabilità del modello mantenendo le abilità originali.

Un nuovo metodo per adattare i modelli di intelligenza artificiale con dati etichettati limitati.

ENACT migliora l'efficienza del modello transformer nella rilevazione degli oggetti mantenendo l'accuratezza.

RACC ottimizza il recupero delle informazioni per rispondere alle domande visive in modo più efficiente.

Nuovi metodi migliorano la previsione di salienza attraverso modifiche controllate delle immagini.

Esplora i vantaggi di combinare l'apprendimento semi-supervisionato e l'apprendimento contrastivo nel machine learning.

Un nuovo metodo migliora la qualità e il realismo dello scambio di facce.

Un nuovo metodo permette ai robot di creare modelli 3D da un'unica immagine.

Un metodo automatizza la generazione di coppie immagine-testo per i dataset di telerilevamento.

AWF migliora la segmentazione semantica evitando il dimenticare catastrofico nei modelli di machine learning.

Nuovi adattatori potenziano le capacità di segmentazione delle immagini nei modelli vision-linguaggio.

Un nuovo framework cerca di migliorare la generazione di immagini usando il feedback umano.

Un nuovo framework migliora l'apprendimento dei modelli in 3D con la selezione di esempi.

Le macchine ora possono imparare da meno esempi usando tecniche innovative.

Un nuovo metodo aiuta i robot ad apprendere abilità di manipolazione dai video umani.

Un nuovo approccio migliora l'accuratezza nella generazione di immagini con più oggetti.

Un nuovo approccio affina il legame tra immagini e testo nei VLM.

MagicStyle unisce in modo efficace i ritratti con stili artistici.

La ricerca presenta un metodo per migliorare il riconoscimento delle immagini usando meno esempi.

Esplora come combinare le fattorizzazioni tensoriali e le rappresentazioni circuitali migliori la modellazione dei dati.

Nuovi metodi aiutano a capire come i modelli reagiscono ai cambiamenti nei dati.