Informática - Visão computacional e reconhecimento de padrões

Esse artigo avalia a habilidade dos VLMs de raciocinar sobre tamanhos e distâncias.

MesonGS simplifica a gestão de arquivos 3D Gaussian melhorando a eficiência da compressão.

DARDA melhora a capacidade dos modelos de deep learning de se adaptarem a condições de dados que mudam.

Visão geral das técnicas para detectar e classificar ações humanas.

O SparX melhora o processamento de imagem imitando o sistema visual humano.

Pesquisas mostram que os LLMs têm potencial pra reconhecer objetos em visuais baseados em eventos.

Integrar informações de movimento melhora a precisão da detecção de objetos em imagens.

O ScaleFlow++ melhora a estimativa de movimento 3D usando câmeras monoculares pra várias aplicações.

NSSR-DIL transforma imagens de baixa qualidade de forma eficiente sem precisar de grandes conjuntos de dados.

Uma abordagem de aprendizado de máquina que usa movimento pra aprender dados visuais de forma eficaz.

Este estudo monitora as mudanças na floresta na Costa do Marfim usando dados de satélite avançados.

Novos métodos para melhorar a geração de imagens por meio de representações flexíveis de espaço latente.

Transformando texto em movimentos digitais realistas usando modelos inovadores.

Novo método aumenta a precisão na detecção de pólipos durante procedimentos de colonoscopia.

Uma nova abordagem melhora a representação de imagens e formas usando uma função de ativação que pode ser aprendida.

Automatizar a segmentação de tumores em imagens de PET/CT melhora a precisão e acelera o diagnóstico.

Pesquisas mostram que há falhas em modelos de classificação de imagem quando os objetos estão parcialmente escondidos.

Esse framework permite aprender rapidinho novas categorias de objetos com pouca informação.

Explorando como os veículos compartilham informações em tempo real pra melhorar a segurança e a eficiência.

O Playground v3 transforma textos em imagens de alta qualidade com precisão.

Um novo sistema melhora a velocidade e a precisão da rotulagem de vídeos.

KAT melhora o deep learning usando KANs avançados pra substituir MLPs.

Os desafios do SoccerNet 2024 impulsionam a inovação na compreensão de vídeos de futebol.

Uma nova estrutura melhora a compreensão das ações humanas através de dados de esqueleto.

CCT-R melhora a segmentação de imagens médicas usando aprendizado semi-supervisionado e registro espacial.

Novo método melhora a análise de imagens na saúde usando imagens contrafactuais realistas.

O FOLK melhora o aprendizado auto-supervisionado com mascaramento de frequência adaptativo e um design de professor-aluno.

Esse modelo melhora a compreensão das decisões de IA na classificação de imagens.

Um novo método aumenta a geração de dados de textura para modelos de aprendizado de máquina.

Um novo modelo melhora a análise de imagens médicas através do mapeamento anatômico 3D.

Este estudo melhora a precisão da classificação de imagens médicas usando dados sintéticos.

Um novo método que melhora o reconhecimento de fala ao mesmo tempo que garante a privacidade dos dados.

Adaptar o DINOv2 melhora a segmentação BEV para carros autônomos mais seguros.

Um novo conjunto de dados junta informações de câmeras RGB e câmeras de eventos pra melhorar a análise facial.

A GAMMA melhora as buscas de itens de moda online com uma manipulação precisa de atributos.

SteeredMarigold melhora mapas de profundidade, ajudando robôs na navegação e interação.

Um novo sistema melhora a eficiência dos drones em operações de busca e salvamento.

ExelMap melhora a precisão das atualizações de mapas HD para uma condução autônoma mais segura.

Novas técnicas melhoram as habilidades dos robôs, indo de simulações pra tarefas do mundo real.

Um novo método oferece modelagem 3D melhorada a partir de uma única imagem, aumentando o realismo.