关键词computer vision applications
搜索结果 - 9
- CVPR环境和传感器领域的鲁棒性和超出分布的未探索面:协变量转换
计算机视觉应用中,现有的稳健性基准测试依赖于对数字图像的扰动,从而偏离了图像获取过程中发生的分布转变。为了弥合这一差距,我们引入了一个新的分布转变数据集 ImageNet-ES,该数据集由一个真实相机在一个可控实验环境中直接捕获的 202k - CVPR通过强化学习学习控制相机曝光
本文提出了一种基于深度强化学习的相机曝光控制框架,以实现实时处理并在不同动态光照条件下迅速控制相机曝光。该框架通过简化训练场景、奖励设计、状态设计和域随机化等方法,实现了在五个步骤内快速达到所需曝光水平,并在不同计算机视觉任务中表现出优越性 - 愚弄九头蛇:对多视角物体检测系统的对抗攻击
在实际场景中机器学习模型受到对抗性攻击的威胁时,对抗性贴纸充分展示了这种威胁的具体体现。多视角系统具有在复杂环境中结合多视角数据,从而实现可靠检测结果的能力,然而多视角系统对对抗性贴纸的脆弱性尚未得到充分研究。本文通过提出两种新的攻击方法来 - 关于无监督图像到图像的转换和 GAN 稳定性
该研究论文探讨图片到图片翻译的问题,以及如何在计算机视觉应用中如上色、修补和分割等方面应用无监督学习和生成对抗网络,并提出两种模型以解决 GAN 稳定性问题,并得出与文献讨论一致的问题假设。
- 合成纤维绳索的条件监测图像数据集
通过生成一个包含正常和有缺陷的合成纤维绳的综合数据集,本研究旨在支持自动化缺陷检测系统的开发,以优于传统的视觉检验方法,并在广泛应用中实现合成纤维绳的更安全、更高效的利用。
- CVPR团体协作学习用于共显目标检测
本研究提出一种新的团体协作学习框架,名为 GCoNet,可以实时(16ms)检测协同显著对象,同时采用两个必要标准,即群体内紧凑性和群体间可分性来挖掘共识表征;此外,为了学习更好的嵌入空间,我们明确地采用辅助分类监督。实验证明,我们的 GC - 深度视觉域自适应
本文系统概述了用于计算机视觉应用的深度域自适应方法,涵盖了深度架构在领域自适应中的运用、深度视觉域自适应的发展趋势,并介绍了可应用于这些模型的其他改进策略。
- AutoInt: 快速神经体渲染的自动集成
提出了一种使用基于坐标的神经网络学习高效闭合解法的自动积分框架,在神经渲染中提高渲染速度并改善图像质量。
- 具有无限可能性的联合对比学习
本文探讨在对比学习中通过新的概率模型进行的有效修改。通过推导一个特殊形式的对比损失函数,即联合对比学习(JCL),JCL 在搜索不变特征时具有更紧的约束条件。我们提出了对这种形式的上界的研究,这种上界允许端到端的训练方式中的解析性解决方案。