T-Scirt / 2403.10516 v2 / FeatUp: un marco independiente del modelo para funciones en cualquier resolución Sudadera sin capucha
Diseñado y vendido por Francesco Pelosin
40,24 US$
Estilo
Sudadera sin capuchaInterior polar blandito y cuello redondo
40,24 US$
Devoluciones fáciles¿Hay algún problema? No importa, te lo solucionamos.
Características del producto
- Tela de gramaje alto rica en algodón: ~280 g/m² (8.25 oz)
- Colores lisos: 80 % algodón, 20 % poliéster. Gris jaspeado: 70 % algodón y 30 % poliéster. Antracita jaspeado: 60 % algodón y 40 % poliéster.
- Puños, cuello y bajo de canalé
- Nota: Si prefieres la ropa ancha y oversize, pide 2 tallas más.
- La imprenta independiente que imprime este producto ha sido evaluada de acuerdo con los estándares de la Organización Internacional del Trabajo.
- La imprenta independiente que imprime este producto obtiene sus materiales de fabricantes comprometidos con la mejora de las prácticas de cultivo de algodón en el marco de la «Iniciativa para un Mejor Algodón» (BCI por sus siglas en inglés).
- Dado que cada producto está hecho solo para ti por imprentas independientes locales, es posible que haya ligeras variaciones en el producto recibido.
T-Scirt / 2403.10516 v2 / FeatUp: un marco independiente del modelo para funciones en cualquier resolución
Las características profundas son una piedra angular de la investigación en visión por computadora, ya que capturan la semántica de las imágenes y permiten a la comunidad resolver tareas posteriores incluso en el régimen de pocos o cero disparos. Sin embargo, estas características a menudo carecen de la resolución espacial para realizar directamente tareas de predicción densa, como segmentación y predicción de profundidad, porque los modelos agrupan agresivamente información en áreas grandes. En este trabajo, presentamos FeatUp, un marco independiente de tareas y modelos para restaurar información espacial perdida en características profundas. Presentamos dos variantes de FeatUp: una que guía características con señal de alta resolución en un solo paso hacia adelante y otra que ajusta un modelo implícito a una sola imagen para reconstruir características en cualquier resolución. Ambos enfoques utilizan una pérdida de coherencia de múltiples vistas con profundas analogías con los NeRF. Nuestras funciones conservan su semántica original y se pueden intercambiar en aplicaciones existentes para generar mejoras en resolución y rendimiento incluso sin volver a capacitarlas. Mostramos que FeatUp supera significativamente a otros enfoques de muestreo ascendente de características y superresolución de imágenes en la generación de mapas de activación de clases, transferencia de aprendizaje para segmentación y predicción de profundidad, y entrenamiento de extremo a extremo para segmentación semántica.
https://arxiv.org/abs/2403.10516
También está disponible en
¿Estás buscando otra cosa?
Escribe lo que quieras aquí abajo.Etiquetas relacionadas
Etiquetas para la categoría Sudaderas
Esta sección contiene una recopilación de etiquetas relacionadas con el siguiente producto: Sudadera. Estas etiquetas te llevarán a una búsqueda de Sudaderas relacionadas con la etiqueta correspondiente.
Etiquetas para todos los productos
Esta sección contiene una recopilación de etiquetas que te llevarán a una búsqueda de productos relacionados con la etiqueta correspondiente.
Traducido por 
Envíos a todo el mundo
Disfruta del arte independiente desde prácticamente cualquier rincón del planeta.Pagos seguros
Compra con total seguridad mediante PayPal, tarjeta de crédito o débito o Sofort.Devoluciones gratuitas
Garantía de devolución o cambio para todas las compras.Atención personalizada
Estamos disponibles 24 horas
