Artigos mais recentes para Visão Computacional

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.

A abordagem de Partículas Diferenciáveis revoluciona a forma como os robôs lidam com formas que mudam.

Um novo método cria cenas 3D complexas a partir de vídeos simples com múltiplos objetos.

Um novo método melhora os modelos de visão-linguagem sem precisar de um treinamento complicado.

Idefics2 mostra melhorias no processamento de visão-linguagem através de escolhas de design inovadoras.

Explorando a conexão entre modelos generativos profundos e a hipótese do manifold.

Um novo método melhora as descrições de imagens para treinar modelos de IA.

Uma nova abordagem enfrenta a segmentação de ações em vídeos longos usando transporte ótimo.

UnSAMFlow melhora a estimativa de fluxo óptico usando informações em nível de segmento pra ter mais precisão.

Descubra como o método CPEA melhora a classificação de imagens com poucos dados.

Uma nova abordagem melhora a habilidade da IA de aprender com exemplos limitados.

Um novo método melhora a precisão na estimativa de poses humanas a partir de imagens 2D.