Tag
Všetky publikované články, v ktorých sa téma počítačové videnie objavuje ako dôležitý kontext. Aktuálne 29 textov v archíve.
Nový preprint kombinuje jednorazové generatívne doplnenie referenčného pohľadu s 3D verziou PatchMatch. Cieľom je obmedziť halucinácie medzi pohľadmi a zrýchliť úpravu scén v 3D Gaussian Splattingu.
Výskum Apple a Carnegie Mellon rieši, ako má transformer rozlišovať obrazové záplaty z viacerých kalibrovaných kamier bez toho, aby stratil geometriu scény.
Apple predstavil úlohu VICIS pre vizuálne odvodzovanie pojmov zo sád obrázkov. Výsledky naznačujú, že dnešné vision-language modely stále často ignorujú vizuálny kontext a vracajú sa k zaujatým generáciám.
Práca z MIDL 2026 rieši problém, že segmentačné modely trénované regionálnymi stratami bývajú príliš sebavedomé. Autori navrhujú úpravu gradientového poľa, ktorá zlepšuje kalibráciu bez toho, aby obetovala presnosť.
Preprint na arXive prináša viac než 250-tisíc snímok z uzavretého okruhu a ukazuje, ako odometria pomáha pri 3D detekcii pruhov v extrémnejších jazdných podmienkach.
Preprint o chirurgických videách kombinuje slabý dohľad, aktívne učenie a ľudské opravy pseudo-masiek. Cieľom je získať segmentačné modely bez toho, aby experti ručne označili všetky snímky od začiatku.
Nový technický post AWS spája počítačové videnie, agentický runtime a Model Context Protocol do jedného vzoru. Cieľom je, aby aplikácie nielen rozpoznali obraz, ale vedeli nad ním bezpečne konať cez štandardizované nástroje.
Nový preprint opisuje spôsob, ako generovať realisticky vyzerajúce LiDAR range images, ktoré cielene mýlia segmentačné siete. Autori testujú útok na SemanticKITTI, RangeNet++ a CENet a rámcujú ho ako bezpečnostný benchmark pre vnímanie vozidiel.
AWS opisuje nasadenie systému Image Verify, ktorý hodnotí kvalitu dentálnych röntgenových snímok priamo pri ich zhotovení. Prípad ukazuje, ako sa klinická počítačová vízia presúva z experimentu do prevádzky s miliónmi spracovaných snímok.
Nová práca nehodnotí len kvalitu odhmlenia obrázkov, ale aj dopad na detekciu a sledovanie malých UAV. Ukazuje, že lepší obraz nemusí automaticky znamenať lepší percepčný systém.
Nový arXiv preprint navrhuje G-DNMF, viacvrstvovú faktorizáciu pre rozpoznávanie objektov v radarových snímkach. Zaujímavý je najmä tým, že rieši interpretovateľnosť modelov v bezpečnostne citlivom videní.
Preprint z oblasti počítačového videnia opisuje viacúlohovú neurónovú sieť pre kontrolu laserového zvárania. Z obrazu zvarového kúpeľa a procesných parametrov má naraz predpovedať stav prieniku, hĺbku aj tvar zvaru, čo je praktický príklad AI pre priemyselnú kvalitu.