bounding boxes | BriefGPT - AI 论文速递

关键词bounding boxes

搜索结果 - 74

基于相似度距离的微小目标检测标签分配
提出了一种简单而有效的策略，名为相似距离（SimD），用于评估边界框之间的相似性，不仅考虑位置和形状相似性，还自适应学习超参数，确保适应不同数据集和各种物体尺寸。在四个主流小目标检测数据集上进行了广泛实验，证明了我们方法的卓越性能，特别是在
PDF2 days ago
Ctrl-V: 用边界框控制的对象动作实现更高保真度的视频生成
使用像素级渲染的二维或三维边界框作为条件，提出了一种可控视频生成模型，并创建了一个边界框预测器，可以预测 25 帧剪辑中每帧的多达 15 个边界框。在 KITTI、Virtual-KITTI 2 和 BDD100k 等三个著名视频数据集上进
PDF25 days ago
通过生成式预训练学习长形式视频首选权
通过使用视觉位置如边界框和关键点来表示视频中的关键信息，我们的方法利用生成式预训练技术（GPT）对长时视频进行学习，证明了其在长时视频先验学习中具有巨大潜力。
PDF2 months ago
CVPR从单点注释中学习追踪表示
通过单点注释学习跟踪表示，提出了一种软对比学习框架（SoCL），该框架将目标拥有性先验融合到端到端的对比学习中，并将所学表示应用于视觉跟踪，展示出优越的性能和鲁棒性。
PDF3 months ago
LaSagnA: 语言化复杂查询段落助手
最近的研究使得大型语言模型能够生成包括边界框和遮罩在内的详细感知结果。然而，这些语言模型存在两个限制，即无法处理查询中的多个目标以及无法识别图像中查询对象的缺失。本研究中，我们发现这些问题的主要原因是训练查询的复杂度不足。因此，我们定义了复
PDF3 months ago
BSNet：针对 3D 实例分割的基于框标注辅助的均值教师
提出了一种用于三维实例分割的 Box-Supervised Simulation-assisted Mean Teacher (BSNet) 模型，利用伪标签和模拟样本来提高弱监督下的分割结果的质量和精度。模型包括模拟辅助教师和学生标签器，
PDF3 months ago
ICLR特征丢弃时的边界框稳定性反映了检测器在不同环境下的泛化能力
通过对边界框的稳定性进行评估，可以预测目标检测的准确性，从而在没有测试真值的情况下提高检测器的泛化能力。
PDF3 months ago
通过两步协同预测实现自适应边界框不确定性
通过引入预测不确定性，我们采用两步法的适应性确保了多对象检测的容器边界框的预测可靠性.
PDF4 months ago
检测就是跟踪：点云多次扫描的深度学习模型再探讨
该研究论文提出了 MULti-Sweep PAired Detector（MULSPAD），它通过一种深度学习模型在输入缓冲的结束时间和开始时间分别为每个检测到的物体生成一对边界框。而这种成对的检测不仅可以很容易地构建简单的跟踪器，还可以构
PDF4 months ago
目标检测定位错误是否影响人类表现和信任度？
通过观察多目标计数任务中观察者表现研究，探究了边界框定位误差与人类任务表现之间的关系，并发现定位误差对人类准确性和信任度没有显著影响，而召回率和精确率误差则会影响人类的表现和信任度，因此优化算法时基于 F1 分数更有利于人机任务。最后，本文
PDF5 months ago
TrailBlazer：基于扩散的视频生成的轨迹控制
通过使用边界框来引导主题，在不进行神经网络训练、微调、推理时间优化或使用现有视频的情况下，本文专注于改善视频合成中的可控性。
PDF6 months ago
使用更少的标签对半监督领域自适应扩展更多对象
通过扩散模型，在图像上迭代细化随机边界框的预测，在无人参与的情况下，利用改进的检测结果作为带权重的伪标签进行半监督学习。
PDF6 months ago
基于图像和描述之间的结构相似性的零样本指称表达理解
用大型基础模型在视觉和文本之间解耦，并通过计算结构相似矩阵和三元组匹配来提高零样本参照表达理解及视觉定位性能。
PDF7 months ago
跨界 AI: 使用可解释 AI 为胸部 X 射线图像生成更好的边界框
利用后期 AI 可解释方法生成更接近于实际的肺 x 光图像诊断边界框，性能显著提高，对所有 IoU 的所有疾病平均产生了 9% 的改进。
PDF8 months ago
将符号推理融入神经生成模型用于设计生成
SPRING 是一种将神经和符号推理相结合的设计生成器，通过在深度生成网络内嵌入符号推理模块，它能满足用户要求并提供可解释性以及管理未遇到过的用户规格，提供高质量设计和更好地满足用户要求。
PDF9 months ago
高质量物体检测的 Rank-DETR
引入一种基于等级的 DETR 目标检测器 Rank-DETR，通过一系列等级化设计，包括等级化架构设计和损失函数设计，提高了准确性和定位精度，并成功应用于最新的 SOTA 方法，展示了其有效性。
PDF9 months ago
标签类型对使用航空影像训练 SWIN 模型的影响
本研究通过比较使用边界框和分割标签来训练平移窗口变换器的模型，对数据集设计对模型训练和性能的影响进行了研究，发现只使用目标像素训练的模型在分类任务中没有性能改善，而边界框在物体检测性能上与分割标签等价。通过确定这一结果在数据类型和模型架构上
PDF9 months ago
神经标注：使用神经辐射场标注视觉数据的多用途工具集
我们提出了 NeuralLabeling，这是一种使用边界框或网格进行场景标注的方法和工具集，可以生成分割掩膜、可用性地图、2D 边界框、3D 边界框、6DOF 物体姿态、深度图和物体网格。
PDF9 months ago
ICCVKECOR: 活跃 3D 目标检测中的核编码率最大化
本文提出一种使用信息论方法实现最大化代表性点云（bounding boxes）被标注的主动学习策略，并利用构建的神经切向核矩阵最大化分类熵和检测性能之间的权衡，成功地将对物体检测的标注成本降低了 44% 左右，计算时间降低 26% 左右。
PDFa year ago
将几何控制融入文本 - 图像扩散模型以通过文本提示进行高质量检测数据生成
本文提出 GeoDiffusion，一种简单的框架，可以将各种几何条件灵活地转化为文本提示，为预训练的文本到图像扩散模型赋能高质量检测数据生成，实验证明它在维护更快的训练时间的同时优于先前的 L2I 方法。
PDFa year ago