Salman 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、モデルは知られている物体と未知の物体の両方を認識できるようになった。

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。

新しいモデルは、画像と動画のエンコーダーを組み合わせることで、動画の理解を高めるよ。

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。

CPTは内部パラメータに直接アクセスしなくても、ブラックボックスモデルの性能を向上させる。

FANetはセマンティックセグメンテーションを強化して、複雑な画像での精度を向上させるんだ。

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。

私たちの海洋でプラスチックごみを検出するための効果的な技術。

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。

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。

ROAD-Waymoは、自動運転車のための道路の行動理解を強化してるよ。

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。

患者と専門家のための医療コミュニケーションを変えるバイリンガルモデル。

RHFL+は、フェデレーテッドラーニングにおけるデータノイズやモデルの違いに対処する。

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。