Articoli più recenti per Visione Artificiale

Viene presentato un approccio nuovo per le metriche di valutazione della segmentazione delle istanze.

MADAug migliora l'augmentazione dei dati adattando le tecniche alle necessità del modello durante l'addestramento.

Un nuovo metodo migliora l'adattabilità dei modelli AV ai cambiamenti di punto di vista della telecamera.

LeTracker migliora il tracciamento degli oggetti nei video per diverse situazioni.

Nuovo metodo migliora il rilevamento delle azioni tra umani e oggetti senza bisogno di etichettature estese.

Il framework rileva oggetti condivisi importanti nelle immagini senza alcun addestramento preliminare.

Uno sguardo ai metodi per recuperare matrici a bassa rank da dati incompleti.

Presentiamo MultIOD per una rilevazione degli oggetti efficiente senza ripetizioni.

SparseSwin offre classificazione delle immagini efficiente con meno parametri e alta precisione.

Un nuovo framework migliora il riconoscimento delle azioni separando gli indizi spaziali da quelli temporali.

Un nuovo algoritmo leggero per il tracciamento degli oggetti in modo efficiente e preciso.

Esaminando le sfide nella rilevazione di OOD all'interno dei sistemi di Apprendimento a Più Istanze.

Nuove tecniche migliorano i Vision Transformers per una performance migliore con piccoli dataset.

La ricerca esplora come gli agenti capiscono il loro ambiente tramite interazione e azione.

Un nuovo framework migliora l'accuratezza del conteggio degli oggetti grazie al feedback degli utenti.

Un nuovo dataset per migliorare le relazioni visive attraverso la comprensione spaziale e temporale.

Un nuovo approccio migliora l'algoritmo HATS per una classificazione degli oggetti più efficiente.

Questo articolo parla dell'impatto del Ritaglio Guidato nella classificazione di piccoli oggetti nelle immagini.

Un nuovo metodo migliora la convoluzione delle immagini senza padding, aumentando qualità ed efficienza.

Un nuovo approccio migliora l'identificazione dei giocatori attraverso l'analisi dei fotogrammi chiave.

Il modello JOADAA migliora l'anticipazione delle azioni e il rilevamento online in scenari in tempo reale.

Questo modello analizza il movimento umano senza conoscenze o etichette precedenti.

Presentiamo RRGNet, un metodo efficace per rimuovere la pioggia dai video usando la distillazione della conoscenza.

Questo articolo spiega come le CNN imparano le caratteristiche dalle immagini usando AGOP.

LInKs migliora la stima della posa 3D a partire da dati 2D, anche con occlusioni.

Un nuovo approccio migliora l'accuratezza del riconoscimento degli oggetti usando sistemi a singola telecamera.

TransNet offre una soluzione efficiente per riconoscere le azioni umane nei dati video.

DEFormer migliora la qualità delle immagini in condizioni di scarsa illuminazione usando dati di frequenza.

Nuove tecniche migliorano l'apprendimento continuo in contesti non supervisionati.

Un metodo per migliorare il controllo qualità rilevando difetti nei prodotti in legno.

Un nuovo metodo migliora il riconoscimento delle immagini usando descrizioni testuali su misura.

La ricerca si concentra sulla riduzione del bias di movimento nello SLAM per una maggiore affidabilità.

Esaminando come le reti neurali rappresentano immagini in movimento simili a quelle del cervello umano.

Un dataset per valutare i metodi di ricostruzione degli oggetti in diverse condizioni di illuminazione.

Una nuova tecnica migliora il modellamento 3D di mani e oggetti a partire da immagini singole.

Un nuovo approccio migliora le prestazioni nei modelli visione-linguaggio.

Un nuovo framework migliora i modelli linguistici mescolando testo e immagini per interazioni più ricche.

Scopri come i Neuroni Sensibili al Padding influenzano l'elaborazione delle immagini nei modelli di machine learning.

L'Architettura Ensemble in fase di sviluppo migliora l'affidabilità e la precisione del rilevamento degli oggetti.

IA-ViT migliora la qualità delle spiegazioni nei compiti visivi.