Artigos mais recentes para Visão Computacional

Como modelos pré-treinados impactam o desempenho em novos dados.

Novo método melhora os patches adversariais, misturando eficácia com aparência natural.

SEED conecta imagens e texto, melhorando como as máquinas processam informações visuais e escritas.

Novo método melhora a detecção de vários objetos em movimento em imagens.

Explorando o potencial de modelos de peso amarrado com múltiplas máscaras em aprendizado de máquina.

Um novo framework melhora a detecção de objetos 3D ao lidar com os desafios de adaptação de domínio.

Novo método melhora a correspondência de grafos sem dados rotulados usando consistência de ciclos.

Um novo método melhora a eficiência e o desempenho em tarefas de visão-linguagem.

Uma nova técnica para classificar imagens de forma mais eficiente com poucos dados.

Um novo método usa matemática básica pra analisar conteúdo de vídeo de forma eficaz.

Novo método melhora a visão computacional em pouca luz sem dados de treinamento à noite.

Explorando modelos de difusão para geração e classificação de imagens.

Um novo modelo melhora as conexões entre texto, imagens e áudio.

Um novo modelo que melhora o desempenho em tarefas visuais ao combinar CNNs e Transformers.

O framework MonoLiG melhora a detecção 3D usando câmeras monoculares e dados de LiDAR.

A NORIS melhora a seleção de imagens pra treinar modelos de detecção de objetos de forma eficiente.

Robust-Depth melhora a estimativa de profundidade em diferentes condições climáticas.

Um novo método melhora a geração de imagens usando dados rotulados e não rotulados que são menos confiáveis.

A estrutura HST mostra melhorias significativas no rastreamento de objetos entre os quadros do vídeo.

LOAF oferece um novo conjunto de dados para detectar pessoas usando câmeras olho de peixe instaladas no teto.

Um novo método melhora como as máquinas respondem perguntas sobre imagens.

SDS-CLIP melhora as habilidades de raciocínio imagem-texto do CLIP.

RepViT combina CNNs e ViTs pra aplicações de visão móvel eficientes.

O modelo ConViT melhora o reconhecimento de ações humanas em imagens paradas usando deep learning.

Pesquisas mostram que um novo conjunto de dados tá melhorando o desempenho dos modelos de VQA com o tempo.

OnlineRefer melhora a segmentação de objetos em vídeo conectando os quadros por meio da propagação de consultas.

Este estudo avalia a eficácia dos modelos de VQA em cenários de direção.

Um método para ancoragem visual 3D usando anotações mínimas.

Uma nova abordagem melhora a identificação de indivíduos em imagens com extração de características avançadas.

LW PLG-ViT oferece um desempenho eficiente para tarefas visuais em dispositivos com recursos limitados.

Um novo módulo melhora a estimativa de pose 3D ao integrar informações de ação.

Um novo método melhora a regressão ordinal ao diferenciar melhor categorias próximas.

Um novo método melhora as nuvens de pontos pra uma análise 3D melhor.

Este artigo fala sobre um novo modelo pra melhorar a percepção de profundidade em robôs usando vários sensores.

Legendas melhores podem melhorar o desempenho de modelos multimodais usando imagens da web.

Um conjunto de dados revolucionário tem como objetivo melhorar a precisão da renderização humana em mídias digitais.

Um novo método melhora a eficiência da segmentação semântica da IA com menos exemplos rotulados.

Uma nova abordagem melhora a confiabilidade do modelo de deep learning ao medir a incerteza.

Uma nova abordagem melhora a localização de objetos ao focar na aparência geral.

Apresentando o PoInt-Net para decomposição avançada de imagens intrínsecas usando nuvens de pontos 3D.