![MPRG : 機械知覚&ロボティクスグループ/中部大学](https://cdn-ak-scissors.b.st-hatena.com/image/square/c73fa4686045c57a8cee3363e082ee4347103a5f/height=288;version=1;width=512/http%3A%2F%2Fvision.cs.chubu.ac.jp%2Fwp%2Fwp-content%2Fthemes%2Fflab%2Fimg%2FOGP.png)
1. 1 MIL RGBD画像処理と 三次元物体認識 Machine Intelligence Lab. 2014/10/04 第25回コンピュータビジョン勉強会@関東 原田研究室助教金崎朝子 2. 2 MIL Machine Intelligence Lab. 本日の発表 • 3D系~RGBD系の研究を • 古いのから最近のまで • 浅く広くラーニングする 1. 2000年前後の3D特徴量 2. Kinectブーム時代 3. それ以降のRGBD・3D系研究 4. 本当に3Dは必要かな? 5. RGBDデータセット cf.) ディープラーニング 図はGoogLeNet 3. 3 MIL Machine Intelligence Lab. SHREC • Shape Retrieval Contest http://www.aimatshape.net/event/SHREC/ • 3D物体
Several recent papers have explored self-supervised learning methods for vision transformers (ViT). Key approaches include: 1. Masked prediction tasks that predict masked patches of the input image. 2. Contrastive learning using techniques like MoCo to learn representations by contrasting augmented views of the same image. 3. Self-distillation methods like DINO that distill a teacher ViT into a st
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
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