Fahad Shahbaz Khan

新しい方法で人間のラベリングなしでランドマーク検出が改善される。

新しい方法で人間のラベリングを減らしつつ、物体検出の精度が向上してるよ。

MobiLlamaは、リソースが限られたデバイス向けに効率的な言語処理を提供してるよ。

モデルの頑健性を理解することは、さまざまな分野での実世界のアプリケーションにとって重要だよ。

新しいフレームワークがビデオ検索を改善して、ビジュアルと詳しい言語の説明を組み合わせるよ。

MAVOSは長い動画クリップ内のオブジェクトを追跡する効率的な方法を紹介します。

ELGC-Netは衛星画像を使って変化を検出する精度を向上させる。

ラベルなしで画像や3Dポイントクラウドを使って物体を分類する方法を学ぼう。

高度な動画理解モデルの能力と課題を評価する。

Open-YOLO 3Dは、スピードと精度を使って3Dインスタンスセグメンテーションを強化するよ。

研究が医療における敵対的攻撃に対するセグメンテーションモデルの堅牢性を調べている。

この記事では、ビジュアルステートスペースモデルがビジュアルの課題にどう対処するかを探る。

VANE-Benchは、増え続けるAIコンテンツの中で動画の異常検出を強化するんだ。

新しい方法が文脈言語を使ってビデオアクション認識を改善する。

GroupMambaは、コンピュータビジョンのタスクにおける画像処理の効率と精度を向上させる。

新しい手法がバックドア攻撃を通じて医療モデルの脆弱性を暴露してる。

この研究は、脳の信号を通じて夢に影響を与えたり、夢とやり取りしたりする革新的な方法を探るものだよ。

iSegは、少ないトレーニングデータで画像セグメンテーションの精度を向上させる。

中東と北アフリカの天気予報を改善するための研究。

新しいツールが、時間とともに衛星画像の変化をどう説明するかを改善してるよ。

VideoGLaMMは、詳細な視覚的およびテキスト的なつながりを通じて動画の理解を高めるんだ。

GEOBench-VLMは、地理空間データや画像を解釈するモデルを評価する。

新しいデータセットが医療画像とその説明の分析を革新する。

魅力的な会話を通じて環境データをわかりやすくする。