Artigos mais recentes para Visão Computacional

Pesquisa sobre como melhorar a estimativa de pose humana usando conjuntos de dados variados e aumento de modelos.

Uma comparação das medidas de qualidade de imagem na geração de imagens modernas.

Esse artigo fala sobre a integração do aprendizado auto-supervisionado e modelos baseados em energia em machine learning.

O novo modelo GazeCLIP melhora a estimativa de olhar ao combinar dados visuais e percepções de linguagem.

O GD-NeRF dá um jeito na embaçação das imagens na síntese de novas visões.

Um novo método melhora a segmentação semântica sem precisar de dados de origem durante a adaptação.

Um novo modelo de rede neural melhora o reconhecimento de texto em várias tarefas e domínios.

Novo framework melhora o desempenho do modelo com dados de qualidade.

Explore como os Modelos de Difusão melhoram a super-resolução em várias áreas.

Um novo método melhora a estimativa de profundidade a partir de imagens RGB únicas pra detectar objetos 3D melhor.

Novas técnicas melhoram o desempenho do modelo usando dados rotulados limitados.

Um novo método melhora a geração de amostras positivas em aprendizado auto-supervisionado.

Uma nova estrutura melhora o raciocínio visual usando modelos de linguagem como controladores.

Nova abordagem melhora a habilidade dos modelos generativos de criar imagens realistas.

Analisando o papel do few-shot learning em modelos base multi-modais.

Novo método melhora o aprendizado de novas classes com menos dados.

Um novo conjunto de dados melhora o reconhecimento de pessoas em diferentes ângulos de câmeras.

Essa pesquisa melhora a classificação de imagens usando descrições detalhadas geradas por modelos de linguagem.

ProText melhora modelos de visão-linguagem usando dados só de texto pra lidar melhor com as tarefas.

Um olhar sobre o framework MacCap e seu impacto na legendagem de imagens.

Esse artigo fala sobre jeitos de reduzir os ruídos em Vision Transformers pra melhorar a qualidade das características.

Um novo framework otimiza Redes Neurais Tensoriais pra melhorar a eficiência e o desempenho.

Novo modelo gera texto usando representações de pixels, melhorando a clareza e o desempenho.

RePGARS melhora o reconhecimento de atividades usando poses renderizadas sem depender de rastreamento preciso.

IATS melhora a detecção de texto ao lidar com os desafios do reconhecimento de texto de forma inversa.

SeTformer melhora a eficiência no processamento de imagens e linguagem.

O STAIR melhora a resposta a perguntas em vídeos dividindo as perguntas em tarefas mais fáceis de lidar.

Este artigo fala sobre técnicas melhoradas para rastrear objetos transparentes em vídeos.

Um novo método melhora o desempenho dos Transformers de Visão em tarefas de reconhecimento de imagem.

NeRFmentation melhora a estimativa de profundidade monocular usando dados sintéticos pra treinar o modelo melhor.

Surf combina métodos explícitos e implícitos para melhorar a modelagem 3D.

Novo modelo melhora o rastreamento e reconhecimento de texto em conteúdo de vídeo.

Um novo conjunto de dados para melhorar o reconhecimento de imagens e textos em e-commerce.

O DiffSketch permite que artistas criem esboços estilizados a partir de apenas um exemplo.

Uma nova arquitetura melhora o processamento de dados visuais baseados em eventos de forma eficiente.

Esse estudo apresenta um novo método para detecção confiável de objetos em ambientes complexos.

Uma nova abordagem usando modelos de difusão pra melhorar a representação de cenas em vídeos.

Analisando como diferentes modelos para imagens e texto podem funcionar juntos de forma eficaz.

O TRIPS melhora a eficiência em tarefas de visão-linguagem selecionando partes de imagem relevantes.

Pesquisas destacam o uso de pré-treinamento auto-supervisionado na análise de imagens GIE.