Hyper-STTN: A Hypergraph-based Spatial-Temporal Transformer Network for Accurate Human Trajectory Prediction in Crowded Scenarios
Hyper-STTN leverages a hypergraph-based spatial-temporal transformer network to effectively capture both group-wise and pair-wise social interactions for accurate human trajectory prediction in crowded scenarios.
비디오 표현을 위한 망각 없는 승리 하위 네트워크
연속 학습 문제를 해결하기 위해 Fourier 하위 신경 연산자(FSO)를 제안하여 복잡한 주기 신호를 효율적으로 표현할 수 있다.
Goal-Guided Diffusion Model with Tree Sampling for Accurate and Efficient Multi-Modal Pedestrian Trajectory Prediction
The proposed GDTS framework integrates goal estimation and a novel two-stage tree sampling diffusion model to generate accurate and diverse multi-modal pedestrian trajectory predictions in real-time.
利用 Sentinel-2 衛星影像高精度偵測建築物和道路
本研究展示如何利用多張 10 公尺解析度的 Sentinel-2 衛星影像,生成 50 公分解析度的建築物和道路分割遮罩。這是透過訓練一個「學生」模型,使其能複製「老師」模型(使用高解析度影像)的預測結果而實現的。雖然預測結果沒有老師模型的細節,但仍能保留大部分的性能:建築物分割的平均交集比例(mIoU)為 79.0%,而高解析度老師模型的準確率為 85.5% mIoU。本研究還描述了兩種其他使用 Sentinel-2 影像的相關方法:一種是建築物計數,可達到 R2 = 0.91 的準確度;另一種是建築物高度預測,平均絕對誤差為 1.5 公尺。這項工作為使用免費的 Sentinel-2 影像進行各種以往只能使用高解析度衛星影像才能完成的任務開啟了新的可能性。
저해상도 Sentinel-2 위성 영상을 활용한 고해상도 건물 및 도로 탐지
저해상도 Sentinel-2 위성 영상을 활용하여 고해상도 건물 및 도로 탐지 모델을 개발하였으며, 이를 통해 기존에 고해상도 위성 영상이 필요했던 다양한 응용 분야에서 활용할 수 있게 되었다.
低解像度のSentinel-2衛星画像からの高精細な建物と道路の検出
低解像度のSentinel-2衛星画像を使って、高解像度の建物と道路の検出マスクを生成することができる。
Leveraging Sentinel-2 Imagery for High-Resolution Building and Road Detection
A model that can generate high-resolution (50 cm) building and road segmentation masks from a stack of low-resolution (10 m) Sentinel-2 satellite images, while also providing accurate building counts and height predictions.
자율주행 시스템의 TP, FP, FN 객체 탐지 식별을 위한 체크리스트
자율주행 시스템의 객체 인식 성능을 평가하기 위해 TP(진긍정), FP(거짓긍정), FN(거짓부정) 객체 탐지를 명확히 정의하는 것이 중요하다.
Comprehensive Checklist for Defining True Positive, False Positive, and False Negative Object Detections in Automated Driving
This paper provides a comprehensive checklist of relevant functional aspects and implementation details to define the identification of true positive, false positive, and false negative object detections in the context of automated driving systems.
오프라인 필기 서명 검증을 위한 Co-Tuplet 손실을 이용한 다중 스케일 특징 학습
제안된 다중 스케일 특징 학습 방법과 Co-Tuplet 손실 함수를 통해 필기 서명 간 유사성과 차이를 효과적으로 학습하여 서명 검증 성능을 향상시킬 수 있다.
© 2024 by Linnk AI