Artigos mais recentes para Visão Computacional

Uma nova abordagem melhora as configurações de pooling em redes neurais convolucionais.

O BEVScope melhora a estimativa de profundidade pra entender melhor os ambientes na robótica.

Novos métodos melhoram a eficiência e a qualidade do treinamento de modelos de imagem.

Uma nova arquitetura de hardware melhora a eficiência e a precisão na detecção de texto em cenas.

Uma nova abordagem para combinar imagens com nuvens de pontos usando dados geométricos e de cor.

Um novo método de treinamento melhora a resistência dos classificadores de imagem a patches enganosos.

Uma estratégia pra otimizar a rotulagem de dados em tarefas de visão computacional.

O pooling geométrico melhora a retenção de características na análise de dados em grafo.

Alcançando alta precisão na classificação de imagens com um modelo ResNet compacto.

Uma abordagem eficiente para conjuntos de dados menores em visão computacional sem perder informações chave.

Um novo método melhora como as máquinas estimam a profundidade a partir de imagens.

Uma nova abordagem para segmentação de imagem aumenta a velocidade e a precisão.

Uma abordagem flexível pra melhorar a qualidade da imagem sem precisar saber antes dos problemas.

Um novo método melhora a recuperação de imagens usando Ortogonalidade Suave e Transformadores de Visão.

Esse artigo analisa as vulnerabilidades em modelos de segmentação semântica e propõe soluções.

Uma visão geral dos MLLMs e suas aplicações em IA.

Um novo método pra identificar dados OOD em modelos de aprendizado de máquina.

Avaliar como as mudanças ambientais afetam o desempenho do modelo de reconhecimento de imagem.

ProRes oferece uma solução flexível para diversos desafios de restauração de imagem.

Uma olhada no impacto do aprendizado contrastivo de múltiplas facetas nos modelos de aprendizado de máquina.

Novo método mistura formas humanas pra prever movimentos com precisão.

Novos métodos melhoram a detecção de defeitos usando dados limitados em produtos industriais.

Explorando os benefícios e desafios dos métodos de detecção de objetos semi-supervisionados.

Um novo método pra gerar instruções de rotulagem claras pra conjuntos de dados de imagens.

Um novo método melhora a detecção de objetos conhecidos e desconhecidos.

Uma nova abordagem melhora a clareza de imagens em baixa luz sem precisar de dados pareados.

O FLOWER trata de aprendizado com poucos exemplos e esquecimento catastrófico em modelos de aprendizado de máquina.

Este estudo melhora modelos de IA menores usando conhecimento de modelos de linguagem maiores.

Novo método usa mineração de imagens para treinar sem anotações.

Melhorando modelos de detecção de pedestres pra reter conhecimento enquanto aprende novos conjuntos de dados.

Uma nova abordagem melhora a eficiência da correspondência de templates em tarefas de visão computacional.

Novas técnicas melhoram a geração de vistas para cenas grandes e do mundo real.

Um novo método melhora o controle sobre a geração de imagens mantendo a eficiência.

Um olhar sobre como o aprendizado zero-shot classifica novos dados sem exemplos anteriores.

Uma análise do ImageNet versus LAIONet e seus efeitos na precisão do modelo.

Apresentando o xAI-CycleGAN para transformações de estilo de imagem mais rápidas e de alta qualidade.

Um novo método melhora a compreensão de cenas para veículos autônomos usando consultas de instância.

Um novo método melhora a modelagem 3D em cenas com baixa textura sem precisar de detecção de pontos-chave.

Novo conjunto de dados e métricas melhoram a avaliação da qualidade do albedo em imagens.

Novo método de deformação de malha profunda melhora a precisão na segmentação de órgãos abdominais.