Informática - Visão computacional e reconhecimento de padrões

Um conjunto de dados completo que junta imagens e texto pra ajudar o aprendizado de máquina.

Um novo padrão pretende avaliar MLLMs na compreensão de vídeos sobre vários temas.

Um novo modelo gera efeitos de fonte únicos para várias línguas.

Um novo conjunto de dados melhora a avaliação da qualidade de imagem na microscopia.

ConSoR melhora a compreensão das conexões sociais através da análise do contexto visual.

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

Um novo modelo melhora a precisão da estimativa de profundidade usando técnicas de aprendizado auto-supervisionado.

hGCA automatiza a criação de cenas 3D realistas usando dados LiDAR esparsos.

Novos métodos melhoram conjuntos de dados de imagem enquanto garantem privacidade e desempenho.

A pesquisa foca em melhorar a eficiência nos modelos de compreensão de documentos.

Um novo benchmark testa o raciocínio composicional em modelos avançados.

CFG++ melhora a geração e edição de imagens, proporcionando uma melhor alinhamento com os comandos de texto.

ABTrack melhora a velocidade e a eficiência do rastreamento visual em vários dispositivos.

Um benchmark criado pra melhorar a compreensão de conteúdos em vídeo longos.

Utilizando imagens de satélite e aprendizado de máquina pra melhorar o mapeamento de favelas e as condições de vida.

Um novo conjunto de dados melhora a criação de áudio foley para conteúdo multimídia.

Novo método melhora a seleção de bandas para imagem hiperespectral sem precisar re-treinar.

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

Um conjunto de dados completo para reconhecimento e pesquisa de texto árabe manuscrito.

ImageNet3D melhora a compreensão de máquinas sobre objetos 3D em imagens.

Uma nova rede neural melhora o reconhecimento de cores pra uma classificação de imagem melhor.

Novo conjunto de dados melhora as habilidades de pegar dos robôs usando comandos em linguagem natural.

SeMOPO melhora o aprendizado a partir de dados de baixa qualidade, separando informações úteis do barulho.

Explorando ameaças à privacidade em processamento de imagem usando modelos de difusão e gradientes vazados.

Um novo modelo melhora a compreensão de vídeos ao juntar codificadores de imagem e vídeo.

Uma nova perspectiva sobre como melhorar a criação de imagens através da amostragem por destilação de pontuação.

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

Personalizando modelos generativos pra refletir identidades únicas através do espaço de pesos.

Esse estudo apresenta um novo método pra identificar as imagens de treinamento chave em visuais gerados por IA.

Este artigo analisa como Modelos de Espaço de Estado Visual lidam com desafios visuais.

Um novo framework melhora o raciocínio em modelos de linguagem através de esboços visuais.

MMScan melhora a capacidade da IA de entender ambientes 3D complexos com anotações extensas.

Um novo método ajuda a IA a ter conversas pessoais sobre assuntos específicos.

Os pesquisadores querem melhorar a compreensão das máquinas sobre as atividades diárias através da análise de vídeos.

SimGen melhora o treinamento de carros autônomos com dados sintéticos realistas.

Explorando o papel dos VLGFMs na análise de dados geoespaciais.

Um novo método cria rapidamente modelos 3D detalhados de cabeças a partir de imagens 2D.

Novo método melhora a precisão na estimativa de profundidade usando imagens únicas.

Um novo modelo melhora os métodos de compreensão e avaliação de vídeo.

Um novo método melhora a adaptabilidade do modelo entre domínios usando aprendizado por prompt e alinhamento de gradiente.