IEEE Sensors Journal 发表 Joint-ID:联合水下图像增强与深度估计模型
热点事件持续更新
IEEE Sensors Journal 发表 Joint-ID:联合水下图像增强与深度估计模型
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Geonmo Yang 等人提出了一种名为 Joint-ID 的基于 Transformer 的神经网络,旨在同时实现水下原始图像的感知质量增强与深度信息获取。该方法在合成及标准数据集上评估有效,并能在高浊度真实水下环境中进行特征匹配与显著性检测,以辅助视觉引导机器人作业。 该论文由 IEEE Sensors Journal 于 2024 年发表。目前代码与权重暂未公开,仅允许个人使用。
AI 根据报道生成 · 12 小时前更新
最新进展11月18日 13:00
Joint-ID:基于 Transformer 的水下图像增强与深度估计模型报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv · 机器人与计算机视觉Joint-ID:基于 Transformer 的水下图像增强与深度估计模型
Joint-ID 是一种基于 Transformer 的神经网络,通过联合学习实现水下原始图像的感知质量增强与深度信息获取。该方法在合成及标准数据集上评估有效,并能在高浊度真实水下环境中进行特征匹配与显著性检测以辅助视觉引导机器人。论文由 IEEE Sensors Journal 于 2024 年发表,代码与权重暂未公开,仅允许个人使用。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月18日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。