Artigos mais recentes para Visão Computacional

Um novo método melhora a visibilidade do texto em iluminação difícil.

Um estudo sobre como melhorar o reconhecimento de localização de robôs móveis usando redes neurais avançadas.

Uma abordagem nova melhora a remoção de ruído usando uma função de perda com restrição de traço.

Novos métodos melhoram a eficiência de rastreamento de objetos e anotação em processamento de vídeo.

Um novo parâmetro melhora como a gente avalia os LVLMs e a precisão deles.

Novo framework usa grandes modelos de linguagem pra entender cenas em 3D a partir de imagens.

Este artigo fala sobre a importância e as técnicas de reconhecer objetos em 3D usando várias perspectivas.

Um novo método melhora o reconhecimento de vídeos, mesmo sem áudio ou elementos visuais.

Um novo método melhora o treino de IA agrupando dados em clusters pra ter mais precisão.

Um novo modelo melhora a detecção e segmentação de objetos enquanto lida com desafios importantes.

Estamos juntando dados de câmera e radar para melhorar a detecção de objetos em veículos autônomos.

A SynCellFactory gera vídeos de células sintéticas pra melhorar os dados de treino e facilitar o rastreamento.

Aprenda como novos métodos melhoram as conexões visuais e textuais dos modelos.

Um novo método melhora o reconhecimento de ações a partir de dados de esqueleto usando técnicas avançadas de pooling.

Este artigo fala sobre como usar legendas de imagens pra encontrar vídeos de forma eficiente.

Novo modelo melhora a estimativa de profundidade usando dados de câmera de eventos através de algoritmos eficientes.

Esse estudo combina câmeras RGB-D e IMUs pra ter uma estimativa de movimento melhor.

Novo método melhora a forma como as máquinas navegam e entendem comandos de linguagem.

Novo modelo melhora o reconhecimento do ambiente do veículo usando câmeras e LiDAR.

Apresentando o conjunto de dados ViOCRVQA pra melhorar a resposta a perguntas visuais em vietnamita.

O ShapeMoiré melhora a qualidade da imagem removendo de forma eficaz os padrões de moiré indesejados.

Llip melhora como as imagens são combinadas com diferentes descrições textuais.

Um olhar conciso sobre alucinações em MLLMs e estratégias pra melhorar a confiabilidade.

O SGD-PH combina métodos de primeira e segunda ordem pra ter um desempenho melhor no treinamento do modelo.

Um conjunto de dados abrangente de imagens de street view para projetos de geolocalização no mundo todo.

Um modelo se adapta a várias tarefas de imagem usando exemplos mínimos.

Novo método melhora a remoção de sombras em imagens usando aprendizado profundo e transformadores.

Novos métodos melhoram a análise de cenas visuais usando técnicas de codificação eficientes.

Um estudo revela insights sobre o equilíbrio entre entradas visuais e textuais em VLMs.

O MV-RGBT oferece um conjunto de dados realista pra avaliar métodos de rastreamento RGBT.

Esse artigo explora a parametrização medial, uma técnica pra descrever formas planas complexas.

Novas técnicas reduzem o acesso à memória e aumentam o desempenho em modelos de aprendizado profundo.

Apresentando o LVOS: um dataset pra rastrear objetos em vídeos longos.

Kite melhora a estimativa de transferibilidade pra uma seleção de modelo melhor em aprendizado de transferência.

Uma nova abordagem melhora a geração de imagens com múltiplos sujeitos usando manipulação de layout.

Um novo método melhora o reconhecimento de objetos ao incentivar a composição nas representações de imagem.

A Wake Vision melhora a detecção de pessoas para TinyML com um baita conjunto de dados.

Explora a ascensão e a eficiência dos Transformers de Visão no processamento de imagem.

O M3Net melhora a segmentação LiDAR para carros autônomos ao integrar diferentes conjuntos de dados e sensores.

Novo conjunto de dados melhora a performance do modelo em tarefas com várias imagens.