real-world scenes | BriefGPT

关键词real-world scenes

搜索结果 - 11

回归到颜色：学习深度到特定颜色转换用于无监督深度估计
使用虚拟引擎生成密集深度图，通过训练真实世界数据的模型来处理合成颜色与真实世界颜色的差异，从而在复杂和不确定的环境中实现无监督单目深度估计任务的性能提升。
PDF23 days ago
非均匀曝光成像通过神经形态快门控制
通过模糊噪声权衡，利用非均匀曝光技术在恶劣环境中实现了图像获取的灵活性，进而提出了一种新颖的神经形态快门控制系统 (NSC)，以避免运动模糊和减轻即时噪声，通过利用事件的低延迟性来实时监测运动并实现场景自适应曝光，同时提出了一种基于事件的图
PDF2 months ago
无监督发现目标中心神经场
我们研究了从单一图像中推断 3D 物体中心场景表示的方法，并通过分开建模内外在属性来改善现有的无监督学习方法的局限性，使其能够从稀疏的现实世界图像中无监督地学习高保真的物体中心场景表示。
PDF5 months ago
通过可逆提示学习和高质量数据模拟的遗失模态 RGBT 跟踪
在当前 RGBT 跟踪研究中，主要关注完整模态的场景，忽视了现实场景中模态缺失的挑战。本文综合研究了模态缺失挑战对 RGBT 跟踪的影响，并提出了一种新的可逆提示学习方法，将保留内容的提示集成到训练充分的跟踪模型中，以适应各种模态缺失场景，
PDF6 months ago
DyST：面向真实世界视频的动态神经场景表示
从单目真实世界视频中捕捉实际场景的三维结构和动态，通过新颖的协同训练方案与动态场景的隐含表示学习，实现视图生成并对场景的摄像机和内容进行独立控制。
PDF9 months ago
神经辐射场场景重建探索：合成、真实世界和动态场景
该论文主要研究使用神经辐射场（NeRF）方法对合成和真实场景进行 3D 重建，包括利用多分辨率哈希编码等技术在静态和动态场景重建方面的研究。其中，还着重探讨了神经辐射场（D-NeRF）对动态场景重建的应用，并成功将其推广至真实世界动态场景。
PDF2 years ago
物理世界中基于自然触发器的物体检测器后门攻击
本文第一次证明了现有的目标检测器在数字触发器和实际场景中普遍存在的后门漏洞问题，提出了真实世界物理攻击场景下的攻击方法，并具体研究了三种流行的目标检测算法的鲁棒性与可行性。
PDF2 years ago
ICCV无条件场景图生成
本文提出了一个用于无条件生成场景图的生成模型 SceneGraphGen，通过层级循环架构直接学习带标签和有向图的概率分布，生成的场景图多样且遵循真实场景的语义模式，同时还证明了生成的图在图像合成、异常检测和场景图完整性方面的应用。
PDF3 years ago
ICLR无监督的对象导向场景表示：基于空间注意力和分解的方法
本文提出了一种称为 SPACE 的生成潜变量模型，通过并行的空间注意力可以同时实现前景物体的因式分解表示以及解析复杂形态的背景细节，解决了以往模型中可扩展性有限的问题，从而更好地模拟真实场景。
PDF4 years ago
面向工业拾取的大规模 6D 物体姿态估计数据集
该论文介绍了一个新的公共数据集，用于工业抽取物品的 6D 物体姿态估计和实例分割，涉及 6D 姿态、可见度分数、分割掩模等注释数据，是目前为止关于垃圾桶拣选 6D 物体姿态估计和实例分割的第一个公共数据集，并且也是物体姿态估计中最大的公共数
PDF5 years ago
使用循环神经网络进行在线多目标跟踪
本文提出了一种基于循环神经网络 (RNNs) 进行在线多目标跟踪的新方法，在真实场景下跟踪多个对象涉及许多挑战，包括 a）先验未知和时变目标数量，b）所有目标的连续状态估计，和 c）数据关联的离散组合问题。这项工作中提出的方案通过端到端学习
PDF8 years ago