Articoli più recenti per Visione Artificiale

Un nuovo modello migliora il legame tra i video e le loro descrizioni testuali.

Un nuovo metodo migliora la precisione del rilevamento dei punti chiave nella visione artificiale.

Un nuovo framework combina vari tipi di guida per migliorare le prestazioni di segmentazione.

Crowd-SAM migliora il rilevamento degli oggetti in ambienti affollati con meno immagini etichettate.

Un nuovo metodo migliora la generazione delle immagini organizzando lo spazio latente nei modelli di diffusione.

Un nuovo metodo migliora l'accuratezza nella stima della profondità usando l'imaging a campo luminoso.

Una nuova metrica migliora l'accuratezza del riconoscimento delle immagini riducendo i costi computazionali.

Scopri come il transfer learning migliora i risultati dei modelli usando conoscenze da compiti correlati.

LookupViT migliora i compiti di riconoscimento visivo tramite un'elaborazione efficiente dei token.

Il framework CHOSEN migliora i Vision Transformers per un uso efficiente degli FPGA.

Un nuovo metodo migliora la segmentazione semi-supervisionata concentrandosi su pseudo-etichettature affidabili.

Un nuovo metodo unisce i dati delle telecamere a eventi e delle telecamere a frame per una migliore rilevazione degli oggetti.

Questo articolo esamina l'efficacia dei modelli multimodali che usano dati linguistici e visivi.

Sviluppare metodi adattivi per la segmentazione dei dati 3D per identificare nuove classi di oggetti.

Presentiamo un nuovo metodo per una migliore segmentazione delle immagini senza dover etichettare tanto.

GLARE migliora le immagini in condizioni di scarsa illuminazione usando un approccio unico con un codice e controlli per l'utente.

Questo studio analizza come i moderni metodi VPR migliorano la fusione delle submap nei sistemi di SLAM visivo.

Nuovo modello migliora la precisione delle previsioni delle immagini e la chiarezza delle spiegazioni.

Un nuovo metodo automatizza la creazione di dati per i compiti di ancoraggio visivo, migliorando l'efficienza del machine learning.

I ricercatori migliorano l'apprendimento delle forme 3D usando fonti di dati diverse per una migliore comprensione delle macchine.

X-Former migliora come i modelli combinano la comprensione di immagini e testo.

GroupMamba migliora l'efficienza e la precisione dell'elaborazione delle immagini nei compiti di visione artificiale.

Nuovo metodo migliora il modeling 3D da video singoli.

Un nuovo metodo migliora il rilevamento 3D usando solo annotazioni 2D.

Un nuovo modello migliora il riconoscimento da parte delle macchine di combinazioni di oggetti e attributi mai visti prima.

Presentiamo un metodo per migliorare la resilienza dei sistemi AI attraverso attacchi avversariali multitasking.

MeshSegmenter migliora la segmentazione dei modelli 3D usando texture e metodi innovativi.

Un nuovo metodo crea immagini di alta qualità da layout senza usare set di dati estesi.

Il Dynamic Semantic Adjuster migliora le prestazioni dell'apprendimento autosupervisionato in vari compiti.

Nuovi metodi migliorano il riconoscimento delle azioni nei dati visivi con l'analisi dello scheletro.

CycleMix migliora i modelli di intelligenza artificiale mescolando stili delle immagini per prestazioni migliori.

Un nuovo modulo migliora la navigazione dei robot stimando l'incertezza nella segmentazione delle immagini.

DACCA migliora il riconoscimento delle corsie attraverso un migliore apprendimento delle caratteristiche e un'aggregazione del contesto.

Esaminando l'aumento del riconoscimento delle azioni few-shot nell'analisi video.

MetaAug riduce l'overfitting nel PTQ tramite innovative trasformazioni dei dati.

Una nuova tecnica migliora la classificazione delle scene usando reti neurali grafiche ibride.

Ti presento ESCAPE, un framework che migliora la precisione e la velocità del riconoscimento della posa 3D umana.

Questo studio valuta i modelli CNN e Modified VGG16 nei compiti di riconoscimento delle emozioni.

Uno studio su come le CNN riconoscono le emozioni tramite l'analisi delle immagini.

Un nuovo metodo migliora la distillazione dei dataset, aumentando l'efficienza dell'addestramento del modello.