[B! dataset][synthesis][sim-to-real] arxiv_readerのブックマーク

arxiv_reader id:arxiv_reader

datasetとsynthesisとsim-to-realに関するarxiv_readerのブックマーク (18)

https://arxiv-check-250201.firebaseapp.com/each/2304.01029v3
arxiv_reader 2024/04/16
dataset

segmentation

real time

knowledge distillation

synthesis

domain

arXiv reaDer

sim-to-real

arXiv
リンク
https://arxiv-check-250201.firebaseapp.com/each/2404.08778v1
arxiv_reader 2024/04/16
dataset

synthesis

domain

classification

arXiv reaDer

self-supervised

sim-to-real

arXiv
リンク
https://arxiv-check-250201.firebaseapp.com/each/2403.06786v1
arxiv_reader 2024/03/12
learning

dataset

synthesis

arXiv

metric

detection

domain

arXiv reaDer

augmentation

sim-to-real
リンク
https://arxiv-check-250201.firebaseapp.com/each/2311.12398v2
arxiv_reader 2024/02/09
estimation

synthesis

arXiv

dataset

arXiv reaDer

sim-to-real

benchmark

point cloud

representation

pose
リンク
https://arxiv-check-250201.firebaseapp.com/each/2401.01734v1
arxiv_reader 2024/01/04
dataset

robot

arXiv reaDer

keypoint

mesh

learning

synthesis

arXiv

sim-to-real

detection
リンク
https://arxiv-check-250201.firebaseapp.com/each/2311.12398v1
arxiv_reader 2023/11/22
pose

arXiv

arXiv reaDer

dataset

benchmark

RGB-D

synthesis

point cloud

estimation

sim-to-real
リンク
https://arxiv-check-250201.firebaseapp.com/each/2311.09269v1
arxiv_reader 2023/11/17
benchmark

synthesis

domain

pose estimation

6D

arXiv

sim-to-real

arXiv reaDer

dataset

semantic segmentation
リンク
https://arxiv-check-250201.firebaseapp.com/each/2304.01029v2
arxiv_reader 2023/09/15
domain

segmentation

synthesis

dataset

real time

knowledge distillation

arXiv reaDer

arXiv

sim-to-real
リンク
https://arxiv-check-250201.firebaseapp.com/each/2309.05662v1
arxiv_reader 2023/09/12
dataset

pose estimation

representation

metric

arXiv reaDer

synthesis

arXiv

sim-to-real

GAN

6D
リンク
SynTable: 乱雑なテーブルトップシーンの目に見えないオブジェクトアモーダルインスタンスセグメンテーションのための合成データ生成パイプライン
arxiv_reader 2023/07/17
この研究では、NVIDIA の Isaac Sim Replicator Composer を使用して構築された統合された柔軟な Python ベースのデータセットジェネレーターである SynTa

arXiv

arXiv reaDer

segmentation

mesh

synthesis

sim-to-real

3D

occlusion

dataset
リンク
フィルター反転による部分ビューオブジェクトビュー合成
arxiv_reader 2023/04/04
フィルタリングインバージョン (FINV) を提案します。これは、1 つまたはいくつかの部分ビューからレンダリング可能な 3D オブジェクト表現を予測する学習フレームワークおよび最適化プロセスです。

sim-to-real

3D

synthesis

arXiv

representation

dataset

sparse

generative

occlusion

arXiv reaDer
リンク
工業用金属オブジェクトのデータセット
arxiv_reader 2022/08/09
工業用金属オブジェクトの多様なデータセットを提示します。これらのオブジェクトは対称的で、テクスチャがなく、反射率が高いため、既存のデータセットでは捉えられない困難な状況につながります。私たちのデータセ

synthesis

dataset

arXiv reaDer

sim-to-real

arXiv

pose

6D

computer vision
リンク
人間支援のあいまいさ解決のための視覚的接地のSimからRealへの転送
arxiv_reader 2022/05/25
サービスロボットは、専門家ではない人間のユーザーと自然に対話できる必要があります。これは、さまざまなタスクでユーザーを支援するだけでなく、指示に存在する可能性のあるあいまいさを解決するためのガイダンス

arXiv reaDer

benchmark

domain adaptation

arXiv

synthesis

simulation

RGB-D

sim-to-real

dataset

representation
リンク
HSPACE：複雑な環境でアニメーション化された合成パラメトリック人間
arxiv_reader 2021/12/28
3Dヒューマンセンシングの最先端技術の進歩は、現在、複数の人が動いていて、現実世界の環境で動作し、複雑な照明やオクルージョンがあり、潜在的に動くカメラ。洗練されたシーンの理解には、人間のポーズと形状、

sim-to-real

dataset

arXiv reaDer

representation

pose

real time

metric

3D

synthesis

arXiv
リンク
Sim-to-Real検証のためのシナリオプログラムを使用したラベル付きデータのクエリ
arxiv_reader 2021/12/02
自動運転車（AV）のシミュレーションベースのテストは、安全性を確保するための道路テストを補完するものになっています。その結果、実質的な研究は、シミュレーションでの故障シナリオの検索に焦点を合わせてきま

synthesis

vehicle

dataset

arXiv reaDer

sim-to-real

simulation

arXiv
リンク
Hypersim：ホリスティックな屋内シーンを理解するためのフォトリアリスティックな合成データセット
arxiv_reader 2021/08/19
多くの基本的なシーン理解タスクでは、実際の画像からピクセルごとのグラウンドトゥルースラベルを取得することは困難または不可能です。全体的な屋内シーンを理解するためのフォトリアリスティックな合成データセッ

synthesis

dataset

arXiv reaDer

sim-to-real

arXiv

semantic segmentation

3D

residual

pre-training
リンク
教師なしのSimからRealへの画像変換で現実のギャップを埋める
arxiv_reader 2021/06/16
ディープラーニングアプローチは、コンピュータービジョンやロボット工学の多くの問題に対する標準的なソリューションになっていますが、人的労力はエラーが発生しやすく、時間と費用がかかるため、十分な品質で十分

real time

arXiv reaDer

sim-to-real

dataset

augmentation

simulation

synthesis

unsupervised

computer vision

arXiv
リンク
自己管理型のリアルツーシムシーン生成
arxiv_reader 2020/12/01
シーングラフ（SG）の生成は、最近大きな注目を集めています。ただし、現在のSG生成手法は、高価で限られた数のラベル付きデータセットの可用性に依存しています。ラベルは基本的に無料であるため、合成データは

arXiv reaDer

arXiv

dataset

sim-to-real

synthesis

transfer learning

adversarial

domain
リンク
1

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

j次のブックマーク

k前のブックマーク

lあとで読む

eコメント一覧を開く

oページを開く

設定を変更しましたx