machine perception | BriefGPT

关键词machine perception

搜索结果 - 10

朝着利用大型语言模型进行开放式视觉识别
本文介绍了 OmniScient 模型（OSM）作为解决物体本地化和识别的挑战的一种新颖的基于大型语言模型（LLM）的掩模分类器，通过以生成方式预测类标签，并在没有人为干预的情况下实现跨数据集训练，并展示了其在处理新概念中的有效性。
PDF8 months ago
项目 Aria: 一种新的自我中心多模态 AI 研究工具
我们在 Meta Reality Labs Research 团队构建了 Aria 设备，该设备是一种自我为中心的多模态数据记录和传输设备，旨在促进和加速这一领域的研究。本文描述了 Aria 设备的硬件，包括其传感器配置和相应的软件工具，以
PDF10 months ago
ICMLLAVA: 用于对比视频预训练的语言音频视觉对齐
提出一种基于对比学习（contrastive learning）的学习方法 LAVA，用于自监督学习来学习联合语言、音频和视频表征，并使用变压器编码器在 Kinetics 700 数据集上预训练，其中相对于当前最先进的自监督和弱监督预训练技
PDF2 years ago
CVPR连续的测试时域自适应
提出了一个基于权重平均和增强平均预测的持续测试时间自适应方法，在长期内实现了所有神经网络参数的适应，同时有效避免了疾病遗忘和噪声伪标签带来的错误积累，该方法处理的问题主要集中在测试时间域适应和深度学习等领域。
PDF2 years ago
ECCVPressureVision: 从单个 RGB 图像估计手的压力
使用深度模型，基于 RGB 相机的人手外观变化来推断手压力，这种方法不需要使用压力传感器，并且可以推断出新正确性的人手压力数据。
PDF2 years ago
CVPR有多少观测数据足够？用知识蒸馏进行轨迹预测
通过知识蒸馏并只使用两个观测值，实现在人流量较大的场景下，准确预估未来的人类位置，并在常见轨迹预测数据集上证明其比其他模型更具实用性。
PDF2 years ago
CVPR通过双边增强和自适应融合进行真实点云场景的语义分割
该研究关注于针对实际采集的大规模点云数据进行语义分割，并提出了一种自适应融合方法在点水平上进行准确的分割。
PDF3 years ago
人类和机器视知觉比较时的五个检查点
通过三个案例研究，提出比较研究设计、实验和解释的思路，并讨论了影响结果的因素，提供了一个公平的比较研究清单，以进行人和机器的视觉推理研究。
PDF4 years ago
BatVision: 学习使用两只耳朵看到三维空间布局
该研究提出了一种低成本的机器视觉系统（BatVision），通过仿照蝙蝠的回声定位机制，利用声音来感知物体的三维空间布局，能够在低照度或无光照条件下用于机器人导航和机器视觉。
PDF5 years ago
AAAI神经图像描述中的注意力正确性
本文提出一种量化评估生成的注意力图与人为注释之间一致性的评估指标，并通过强或弱的注意力监督提供不同程度的解决方案来改善注意力的正确性和图注质量，从而使机器感知更接近于人类。
PDF8 years ago