Eine ehrliche Bestandsaufnahme der Veränderungserkennung
Die Leistung einfacher Basislinien-Architekturen wie U-Net übertrifft oft die komplexen, speziell entwickelten Methoden zur Veränderungserkennung.
Großer, praktischer Datensatz für die Erkennung von Veränderungen in Multitemporalaufnahmen
Der ChangeNet-Datensatz bietet eine große Menge an Multitemporalaufnahmen mit komplexen Szenen und realistischen Verzerrungen, um die praktische Anwendung von Veränderungserkennungsalgorithmen zu fördern.
Ein vielseitiger Küchenassistent mit großen multimodalen Modellen
FoodLMM ist ein vielseitiger Küchenassistent, der auf großen multimodalen Modellen basiert und verschiedene Fähigkeiten wie Lebensmittelerkennung, Zutatenidentifikation, Rezeptgenerierung, Nährwertschätzung, Lebensmittelsegmentierung und Mehrrunden-Konversation besitzt.
Effiziente Transformatoren für die Bildverarbeitung: Eine vergleichende Analyse
Trotz der hohen Rechenkosten von Transformatoren haben sie sich in der Sprach- und Bildverarbeitung als effektiv erwiesen. Dieser Beitrag präsentiert einen umfassenden Benchmark von über 30 Modellen zur Bildklassifizierung, der die Effizienz in Bezug auf Genauigkeit, Geschwindigkeit und Speicherverbrauch evaluiert. Die Ergebnisse zeigen, dass der ViT-Basisansatz trotz Behauptungen anderer Modelle über eine höhere Effizienz in mehreren Metriken Pareto-optimal bleibt. Hybride Aufmerksamkeits-CNN-Modelle erweisen sich als bemerkenswert speicher- und parametereffizient. Darüber hinaus zeigt der Benchmark, dass die Verwendung eines größeren Modells im Allgemeinen effizienter ist als die Verwendung höherer Bildauflösungen.
Sat2Cap: Effiziente Kartierung feingranularer Textbeschreibungen aus Satellitenbildern
Unser Ansatz ermöglicht die Erstellung großflächiger Karten aus feingranularen Textbeschreibungen, ohne dass dafür spezifische Modelle trainiert werden müssen.
RGB-Tiefe-Fusions-CycleGAN zur Vervollständigung von Innentiefenkarten
Das vorgeschlagene RDFC-GAN-Modell nutzt eine zweistufige Architektur, um aus unvollständigen Tiefenkarten und RGB-Bildern detaillierte und texturierte Tiefenkarten für Innenräume zu generieren.
Neue Datensätze für die Evaluierung der systematischen Generalisierungsleistung von Modellen zur Erkennung von Mensch-Objekt-Interaktionen
Systematische Generalisierung ist eine große Herausforderung für Modelle zur Erkennung von Mensch-Objekt-Interaktionen.
Eine systematische Umfrage zu Deep Learning-basierten Single-Image Super-Resolution-Methoden
Dieser Artikel gibt einen umfassenden Überblick über Deep Learning-basierte Methoden zur Single-Image Super-Resolution (SISR). Die Autoren kategorisieren die Methoden nach ihren spezifischen Zielen und untersuchen sie detailliert, um Forschern ein besseres Verständnis von SISR zu vermitteln und neue Forschungsrichtungen zu inspirieren.
Effiziente Methode zur Gesichtserkennung mit Masken während der COVID-19-Pandemie
Eine zuverlässige Methode zur Gesichtserkennung mit Masken, die auf dem Entfernen der verdeckten Gesichtsregionen und der Extraktion tiefer lernbasierter Merkmale basiert.
Umfassende Bewertung der Robustheit von Zellinstanzsegmentierungsmodellen unter optischen Aberrationen des Mikroskops
Diese Studie bietet eine umfassende Bewertung der Robustheit von Zellinstanzsegmentierungsmodellen unter simulierten optischen Aberrationen des Mikroskops.
© 2024 by Linnk AI