Verbesserung der Videobildtiefenschätzung durch Erlernen der Zukunftsvorhersage
Das vorgeschlagene FutureDepth-Verfahren nutzt die Zukunftsvorhersage und adaptive maskierte Rekonstruktion, um die Fähigkeit des Modells zu verbessern, wichtige Bewegungs- und Korrespondenzsignale aus mehreren Frames für die Videobildtiefenschätzung zu extrahieren und zu nutzen.
Generative Datenaugmentierung mit Diffusionsmodellen: Effiziente Synthese vielfältiger und realitätsnaher Bilder für Klassifikationsaufgaben
DreamDA ermöglicht die Synthese hochqualitativer und vielfältiger Bilder, die der ursprünglichen Datenverteilung entsprechen, sowie die Generierung zuverlässiger Pseudolabels für die synthetischen Daten, um die Leistung von Klassifikationsmodellen zu verbessern.
Selektives domäneninvariantes Merkmal für eine verallgemeinerbare Deepfake-Erkennung
Eine neuartige Methode zur Verbesserung der Generalisierbarkeit von Deepfake-Erkennungsmodellen durch Fusion von Inhalts- und Stilmerkmalen sowie Erhaltung domänenspezifischer Merkmale.
Selektives domäneninvariantes Merkmal für eine generalisierbare Deepfake-Erkennung
Ein neuartiger Ansatz zur Reduzierung der Empfindlichkeit gegenüber Gesichtsfälschungen durch die Fusion von Inhalts- und Stilmerkmalen, um die Leistung und Effektivität des Merkmalextraktors zu verbessern und domänenbezogene Merkmale beizubehalten, um echte und gefälschte Gesichter zu unterscheiden.
Effiziente Tiefenergänzung durch 2D- und 3D-Aufmerksamkeiten
DeCoTR nutzt sowohl 2D- als auch 3D-Aufmerksamkeiten, um eine hochgenaue Tiefenergänzung ohne iterative räumliche Propagation zu ermöglichen.
Effiziente und effektive Multi-Axis-Query-Methode zur Erstellung hochleistungsfähiger N:M-Sparse-Netzwerke
Die vorgeschlagene Multi-Axis-Query-Methode MaxQ identifiziert die kritischen Gewichte und erstellt ein hochleistungsfähiges N:M-Sparse-Netzwerk, indem sie während des Trainings dynamisch weiche N:M-Masken generiert, die wichtigere Gewichte hervorhebt und effizientere Updates für sie sicherstellt. Während der Laufzeit können die weichen N:M-Masken als Konstanten in das Netzwerk eingefaltet werden, ohne das Sparse-Muster zu verzerren oder zusätzliche Rechenkosten zu verursachen.
Effiziente Verarbeitung und Analyse von Inhalten zur Gewinnung von Erkenntnissen: SAMAug, eine neuartige Methode zur Punktprompt-Erweiterung für das Segment Anything Model
SAMAug ist eine neuartige Methode zur visuellen Punktprompt-Erweiterung, die die Leistung der interaktiven Bildsegmentierung des Segment Anything Model (SAM) verbessert, indem es zusätzliche Punktprompts generiert, um die Intention des Benutzers besser zu verstehen.
Systematische Analyse von Kameras mit Rollenblende der Ordnung Eins
Wir präsentieren eine einheitliche Theorie für die wichtige Klasse der Kameras mit Rollenblende der Ordnung Eins. Diese Kameras verallgemeinern die perspektivische Projektion zu Kameras mit Rollenblende, indem sie einen generischen Raumpunkt genau auf einen Bildpunkt über eine rationale Abbildung projizieren.
Umfassende Untersuchung der Robustheit von visuellen Zustandsraummodellen für die Bildklassifizierung
Visuelle Zustandsraummodelle (VMamba) zeigen zwar hervorragende Leistungen in verschiedenen Computervision-Aufgaben, aber ihre Robustheit wurde bisher nicht gründlich untersucht. Diese Studie liefert einen umfassenden Einblick in die Robustheit von VMamba aus verschiedenen Perspektiven, einschließlich Angriffsfestigkeit, Generalisierungsfähigkeit und Empfindlichkeit gegenüber Bildstrukturen.
Automatische Standorterkennung basierend auf Deep Learning
Unser Forschungsprojekt präsentiert ein leistungsfähiges Bildklassifizierungssystem, das in der Lage ist, Bilder von fünf großen indischen Städten mit hoher Genauigkeit zu erkennen und zu unterscheiden.
© 2024 by Linnk AI