コンピュータビジョン に関する最新の記事

新しいトレーニング戦略が3D視覚システムの誤解を招く入力への耐性を向上させる。

LLaVA-3Dは、2Dと3Dの洞察を組み合わせて、より深い空間的推論を可能にするよ。

実世界のアプリでDRLを強化するために合成データの利用を探ってる。

InterNetは、ラベル付きデータなしで画像から学ぶことでホモグラフィ推定を強化する。

画像のノイズ除去技術について学んで、クリアさとクオリティを向上させよう。

新しいデータセットが、自動運転の深度推定における視点の変化に対応してるよ。

イベントデータと従来のフレームを組み合わせて、より良い動きの分析をする方法。

新しいアプローチが教師と生徒モデルの学習プロセスを向上させるよ。

モデルにおける一般知識とタスク特化型適応をバランスさせる新しい方法。

AP-VLMは、アクティブペルセプション技術を通じてロボットの認識とインタラクションを向上させるよ。

P4Qは、効率的な視覚言語モデルのパフォーマンスのために微調整と量子化を組み合わせてるんだ。

TA-Cleanerを紹介するよ。これはデータポイゾニングに対するマルチモーダルモデルの防御を改善する方法なんだ。

軽量で効果的なビジュアルオブジェクトトラッキングのための新しいフレームワーク。

CAMOTはカメラの角度と深さを推定することでマルチオブジェクトトラッキングを改善するよ。

SimVGは、テキストを特定の画像エリアにもっと効果的にリンクさせることで、視覚的なグラウンディングを改善するよ。

EAGLEモデルとデータセットは、自己中心的なビデオの理解を深めるのに役立つよ。

新しい方法が人混みのカウント精度とモデルの信頼性を向上させる。

SSLモデルがデータポイントをどのように記憶するかとその影響を調べる。

新しい方法がSSMベースのビジョンモデルの効率と精度を向上させてるよ。

新しい方法が動的なシーンでの3D形状の精度を向上させる。

新しい手法が画像のぼやけ解消タスクの速度と品質を向上させてる。

新しい方法が機械学習モデルの知識移転を改善する。

大きなラベル付きデータセットなしでAIが画像を生成する方法を紹介するよ。

GeCoは、少ない例で物体のカウントを改善し、精度と信頼性を高める。

CIONは、ビデオ間のアイデンティティの相関に注目して、人の再識別を進めている。

新しい方法で、ラベル付きデータが少なくても視線のターゲット検出が改善される。

新しいフレームワークがセマンティックセグメンテーションの不確実性を解消して、ピクセルラベリングを改善する。

この研究は、地球観測アプリケーションにおける事前訓練モデルの効果を評価してるよ。

新しい方法がデータの整列を改善して、特にノイズの多いデータセットで効果的だよ。

CNNが画像の特徴をどうやって学習するのか、そしてその普遍的な類似点についての探求。

視覚的な質問を分解するためのマルチモーダルモデルを改善する方法を探ってる。

TrojVLMは、ビジョン言語モデルの脆弱性を利用してバックドア攻撃を仕掛ける。

新しいフレームワークは、エネルギーベースのモデルを使って、複数のソースからのデータ生成を改善するよ。

SATAは画像分類タスクにおけるビジョントランスフォーマーの堅牢性と効率を向上させる。

新しい方法が、詳細なラベルなしでマスクを使った物体認識を改善するよ。

PPLNは、イベントカメラのデータ処理を強化して、機械視覚の能力を向上させるんだ。

GoogLeNetの性能と解釈性に対する剪定方法の影響を分析する。

拡張現実と仮想現実のための深度マップを強化する革新的な方法。

不正確なデータラベルでもモデルのパフォーマンスを向上させる方法。

FlipClassは、一般化カテゴリ発見におけるより良い学習のための新しい方法を提供してるよ。