研究人员推出了 LUMINA-26，这是一个旨在改进低光人类行为识别的新数据集。该数据集包含在自然低光条件下捕获的 26 个动作类别、超过 6,700 个剪辑。同时，他们提出了 Illumi-Net，一种新颖的网络架构，它使用照明线索进行自适应增强和特征提取，在 ELLAR 和 LUMINA-26 等基准测试中表现优于现有的最先进方法。 AI
影响 推进低光计算机视觉能力，可能改进在具有挑战性照明条件下运行的监控、机器人和自主系统中的应用。
排序理由 该集群描述了一篇介绍用于特定计算机视觉任务的数据集和模型的新学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Low-light human action recognition remains a challenging problem due to poor illumination, amplified noise, motion ambiguity, and diverse real-world scenes. Existing low-light datasets often lack sufficient action diversity, capture realism, or balanced class distribution, limiti…
Low-light human action recognition remains a challenging problem due to poor illumination, amplified noise, motion ambiguity, and diverse real-world scenes. Existing low-light datasets often lack sufficient action diversity, capture realism, or balanced class distribution, limiti…