I.2.10」カテゴリーアーカイブ

FlowIBR: Leveraging Pre-Training for Efficient Neural Image-Based Rendering of Dynamic Scenes

要約 動的シーンの単眼新視点合成のための新しいアプローチを紹介します。 既存の技 … 続きを読む

カテゴリー: cs.CV, I.2.10 | FlowIBR: Leveraging Pre-Training for Efficient Neural Image-Based Rendering of Dynamic Scenes はコメントを受け付けていません

ArtHDR-Net: Perceptually Realistic and Accurate HDR Content Creation

要約 ハイ ダイナミック レンジ (HDR) コンテンツの作成は、現代のメディア … 続きを読む

カテゴリー: cs.CV, cs.GR, cs.LG, cs.MM, eess.IV, I.2.10 | ArtHDR-Net: Perceptually Realistic and Accurate HDR Content Creation はコメントを受け付けていません

Adaptive Growth: Real-time CNN Layer Expansion

要約 ディープ ニューラル ネットワーク (DNN) は、膨大なデータ セットの … 続きを読む

カテゴリー: 68T45, cs.CV, I.2.10 | Adaptive Growth: Real-time CNN Layer Expansion はコメントを受け付けていません

STEm-Seg: Spatio-temporal Embeddings for Instance Segmentation in Videos

要約 動画におけるインスタンスのセグメンテーションのための既存の手法は、通常、ト … 続きを読む

カテゴリー: 62H30, 68T10, 68T45, cs.CV, cs.LG, eess.IV, I.2.10 | STEm-Seg: Spatio-temporal Embeddings for Instance Segmentation in Videos はコメントを受け付けていません

Few-shot $\mathbf{1/a}$ Anomalies Feedback : Damage Vision Mining Opportunity and Embedding Feature Imbalance

要約 過去 10 年間にわたり、以前のバランスのとれたデータセットは、産業アプリ … 続きを読む

カテゴリー: cs.CV, I.2.10 | Few-shot $\mathbf{1/a}$ Anomalies Feedback : Damage Vision Mining Opportunity and Embedding Feature Imbalance はコメントを受け付けていません

Flexible Techniques for Differentiable Rendering with 3D Gaussians

要約 高速で信頼性の高い形状再構築は、多くのコンピューター ビジョン アプリケー … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.GR, I.2.10 | Flexible Techniques for Differentiable Rendering with 3D Gaussians はコメントを受け付けていません

To Whom are You Talking? A Deep Learning Model to Endow Social Robots with Addressee Estimation Skills

要約 コミュニケーションは私たちの社会的な言葉を形作ります。 ロボットが社会的で … 続きを読む

カテゴリー: 68T07, 68T40, cs.AI, cs.LG, cs.RO, I.2.10 | To Whom are You Talking? A Deep Learning Model to Endow Social Robots with Addressee Estimation Skills はコメントを受け付けていません

Which Transformer to Favor: A Comparative Analysis of Efficiency in Vision Transformers

要約 画像分類の頼りになるモデルとして Vision Transformers … 続きを読む

カテゴリー: 68T07, cs.AI, cs.CV, cs.LG, I.2.10 | Which Transformer to Favor: A Comparative Analysis of Efficiency in Vision Transformers はコメントを受け付けていません

ECLAD: Extracting Concepts with Local Aggregated Descriptors

要約 畳み込みニューラル ネットワーク (CNN) は、堅牢性と調整が重要な重要 … 続きを読む

カテゴリー: 68T01, cs.AI, cs.CV, cs.LG, I.2.10 | ECLAD: Extracting Concepts with Local Aggregated Descriptors はコメントを受け付けていません

Head Rotation in Denoising Diffusion Models

要約 ノイズ除去拡散モデル (DDM) は、深い生成モデリングの領域における最先 … 続きを読む

カテゴリー: cs.CV, I.2.10 | Head Rotation in Denoising Diffusion Models はコメントを受け付けていません