Artigos mais recentes para Visão Computacional

O PrimeDepth melhora a eficiência da estimativa de profundidade usando modelos de texto para imagem sem precisar de dados de treinamento extras.

Novo método aprimora a detecção de objetos usando modelagem de imagem mascarada interativa.

Novo framework melhora a segurança do reconhecimento facial contra ataques de spoofing.

O modelo DICS melhora a classificação de imagens ao focar nas características principais.

GLCONet melhora a detecção de objetos camuflados usando características locais e globais.

Um novo método melhora a transferência de características em representações neurais implícitas para imagens.

Um novo método melhora a clareza e o reconhecimento de imagens em ambientes barulhentos.

Descubra como o AMRF melhora a segmentação de imagens em aplicações industriais.

Esse método melhora a interpretabilidade na segmentação semântica usando protótipos e representação em múltiplas escalas.

O MAC-VO melhora a estimativa da posição da câmera em ambientes desafiadores.

Um estudo compara CNNs pré-treinadas e modelos base para recuperação de imagens médicas.

O FKAN melhora a representação de imagens e formas 3D usando funções de ativação que dá pra aprender.

Um novo método melhora a compreensão da IA sobre as ações humanas por meio de dados especializados.

Esse método estima orientações sem precisar de dados rotulados usando deep learning.

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

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.

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

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

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

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

Um novo método melhora a habilidade de pegada dos robôs usando comandos em linguagem natural.

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

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.

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

Apresentando o GRIN, um novo modelo pra estimativa de profundidade usando dados esparsos.

O NVLM melhora a compreensão de linguagem e visuais da IA para várias tarefas.

Esse trampo melhora a precisão do CLIP resolvendo a sobreposição intra-modal com adaptadores leves.

Uma nova estrutura melhora a segmentação com exemplos limitados.

O SLAck oferece uma nova forma de acompanhar objetos diferentes em vídeos.

Um marco para segmentação de poucos exemplos generalizada em sensoriamento remoto foi introduzido.

Um novo método melhora a estimativa de pose usando imagens RGB informadas por dados de profundidade.

O método TRIM reduz os tokens de imagem em modelos de linguagem multimodal, mantendo o desempenho.

Uma nova estrutura estima com precisão a profundidade a partir de imagens desfocadas únicas.