Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Omni-Supervised Learning for Dynamic Scene Understanding

CORDIS oferuje możliwość skorzystania z odnośników do publicznie dostępnych publikacji i rezultatów projektów realizowanych w ramach programów ramowych HORYZONT.

Odnośniki do rezultatów i publikacji związanych z poszczególnymi projektami 7PR, a także odnośniki do niektórych konkretnych kategorii wyników, takich jak zbiory danych i oprogramowanie, są dynamicznie pobierane z systemu OpenAIRE .

Publikacje

Simple Cues Lead to a Strong Multi-Object Tracker (odnośnik otworzy się w nowym oknie)

Autorzy: Jenny Seidenschwarz, Guillem Braso, Victor Castro Serrano, Ismail Elezi, Laura Leal-Taixe
Opublikowane w: IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2023
Wydawca: IEEE/CVF
DOI: 10.1109/CVPR52729.2023.01327

Unifying Short and Long-Term Tracking with Graph Hierarchies (odnośnik otworzy się w nowym oknie)

Autorzy: Orcun Cetintas, Guillem Braso, Laura Leal-Taixe
Opublikowane w: IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2023
Wydawca: CVF/IEEE
DOI: 10.1109/CVPR52729.2023.02191

SeMoLi: What Moves Together Belongs Together

Autorzy: Jenny Seidenschwarz, Aljosa Osep, Francesco Ferroni, Simon Lucey, Laura Leal-Taixe
Opublikowane w: Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2024
Wydawca: CVF/IEEE

Better Call SAL: Towards Learning to Segment Anything in Lidar (odnośnik otworzy się w nowym oknie)

Autorzy: Aljosa Osep, Tim Meinhardt, Francesco Ferroni, Neehar Peri, Deva Ramanan, Laura Leal-Taixe
Opublikowane w: European Conference on Computer Vision, 2024
Wydawca: Springer
DOI: 10.1007/978-3-031-72933-1

SPAMming Labels: Efficient Annotations for the Trackers of Tomorrow (odnośnik otworzy się w nowym oknie)

Autorzy: Orcun Cetintas, Tim Meinhardt, Guillem Brasó, Laura Leal-Taixé
Opublikowane w: European Conference on Computer Vision, 2024
Wydawca: Springer
DOI: 10.1007/978-3-031-73254-6

Wyszukiwanie danych OpenAIRE...

Podczas wyszukiwania danych OpenAIRE wystąpił błąd

Brak wyników

Moja broszura 0 0