实体
Depth from defocus technique: a simple calibration-free approach for dispersion size measurement
Depth from defocus technique: a simple calibration-free approach for dispersion size measurement
PulseAugur coverage of Depth from defocus technique: a simple calibration-free approach for dispersion size measurement — every cluster mentioning Depth from defocus technique: a simple calibration-free approach for dispersion size measurement across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
无标记眼动追踪使用单摄像头和离焦深度
研究人员开发了一种新颖的无标记眼动追踪方法，该方法使用单个2D摄像头（如笔记本电脑摄像头）来估计眼动。该方法利用了从离焦深度技术获得的虹膜定位和头部姿态估计。一个变分贝叶斯多项逻辑回归框架将这些特征映射到用户的注视点，并在用户观看不同距离屏幕的实验中证明了其有效性。
-
新的FOSSA架构在零样本深度估计中将错误率降低了55.7%
研究人员开发了一种名为FOSSA的新型Transformer架构，用于从焦点堆栈估计密集度量深度图，即从离焦估计深度（DfD）。该新模型强调零样本泛化，旨在在未见过的、没有特定过拟合的数据集上表现良好。为此，创建了一个名为ZEDD的新基准，其场景数量和数据质量均显著高于以前的基准。FOSSA架构包含一个具有焦点距离嵌入的堆栈注意力层，用于高效的跨堆栈信息交换，实验表明，在ZEDD基准上，其错误率降低了高达55.7%。