Artigos mais recentes para Transformadores de Visão

Este artigo analisa métodos para melhorar a clareza das imagens em aplicações de sensoriamento remoto.

Uma nova abordagem melhora a avaliação dos níveis de oxigênio em distúrbios do sono usando OCTA.

A BIMM aprende conteúdo em vídeo imitando os caminhos do cérebro humano.

Um sistema analisa imagens de ecocardiografia pra identificar problemas no coração rapidinho.

Aprenda como os Transformers Direcionáveis melhoram o processamento e a classificação de imagens.

Analisando como o LoRA afeta a retenção de conhecimento em modelos pré-treinados durante o aprendizado contínuo.

Uma estrutura pra conectar processamento de imagem e interpretação de texto em modelos de visão.

Um novo método melhora o aprendizado contínuo em IA ao reduzir o esquecimento.

Analisando a eficácia dos ViTs para reconhecimento de texturas em comparação com métodos tradicionais.

Novas técnicas melhoram tarefas de controle robótico usando Vision Transformers.

Uma nova abordagem melhora a robustez dos Transformers de Visão contra ataques adversariais.

Um novo método melhora a precisão dos modelos de aprendizado de máquina em dados não vistos.

Uma mudança de patches pra pixels na visão computacional tá mudando a análise de imagens.

Pesquisa sobre como melhorar a transferência de conhecimento em dispositivos inteligentes com recursos limitados.

Um novo método melhora a análise de imagens médicas usando imagens de histopatologia sintética.

A gente propõe um jeito de melhorar a eficiência dos transformers de visão em dispositivos edge.

Um novo método usa IA pra melhorar a precisão na classificação do câncer.

Um novo método para detectar pequenos objetos médicos em imagens.

LayerShuffle melhora a robustez das redes neurais ao permitir uma execução flexível das camadas.

Um novo método melhora a precisão na análise de imagens médicas usando dados limitados.

Este artigo investiga como redes neurais processam dados através de suas representações.

Uma nova abordagem melhora a identificação de veículos em diferentes ângulos de câmera.

Uma nova métrica melhora a precisão do reconhecimento de imagens enquanto reduz os custos computacionais.

O framework CHOSEN melhora os Transformers de Visão para uso eficiente em FPGA.

Um novo método gera nuvens de pontos 3D de forma eficiente a partir de imagens RGB únicas.

Nova arquitetura ViT melhora a precisão enquanto resiste a ameaças adversariais.

CEViT melhora a medição de similaridade de imagens e oferece explicações claras.

SINDER melhora os Transformers de Visão resolvendo defeitos na análise de imagens.

Apresentando uma nova maneira de conectar modelos de linguagem e visão de forma eficiente.

Novos métodos deixam os modelos de reconhecimento de imagem menores e mais eficientes.

O modelo VSSD melhora a eficiência e o desempenho do processamento de imagens na visão computacional.

Um novo método melhora a precisão na quantização de Transformers de Visão sem os dados originais.

O CC-SAM melhora a segmentação de imagens médicas, aumentando a precisão pra um cuidado melhor com os pacientes.

Uma nova abordagem pra analisar como modelos de imagem aguentam mudanças de entrada.

Novo método melhora a privacidade dos transformadores de visão em aprendizado de máquina.

Explorando Inversão Textual e transformadores de visão para geração de imagens.

Um novo método melhora a identificação de espécies de mosquitos através de tecnologia avançada.

Um novo método melhora o desempenho dos Transformers de Visão através de uma compressão eficaz de tokens.

Um novo método melhora o processamento de imagens usando tokens de superpixel adaptáveis.

Um novo método melhora a compreensão de imagens sem precisar de dados rotulados.