实体
Liliana Lo Presti
Liliana Lo Presti
PulseAugur coverage of Liliana Lo Presti — every cluster mentioning Liliana Lo Presti 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
-
新框架在无显式背景监督下学习物体性
研究人员开发了一个名为背景无关物体性学习（B-FOR）的新框架，用于类别无关物体检测。该方法在没有显式背景监督的情况下学习物体性，解决了传统闭集训练可能导致的物体性偏差的局限性。B-FOR 预测密集的物体中心和尺度场，并使用结构化软目标将监督限制在标注区域内。在 PASCAL VOC、MS-COCO 和 Open Images 数据集上的实验表明，该方法在泛化到未见类别和跨数据集分布方面有所改进，比之前的类别无关基线高出 10 个 AR 点以上。
-
Sphere-Depth 基准测试评估球形相机的单目深度估计
研究人员推出了 Sphere-Depth，这是一个新的基准测试，旨在评估单目深度估计模型应用于球形图像时的性能。该基准测试专门解决了由无意中的相机姿态变化以及 360° 视觉应用中常见的等距柱状投影固有的几何失真带来的挑战。使用 Sphere-Depth 进行的实验表明，即使是为球形图像设计的模型，在相机方向改变时性能也会显著下降，这凸显了机器人导航和沉浸式场景理解领域的一个关键改进领域。