Zobrazeno 1 - 10
of 32
pro vyhledávání: '"Chadha, Aaron"'
Neuromorphic vision sensing (NVS)\ devices represent visual information as sequences of asynchronous discrete events (a.k.a., "spikes") in response to changes in scene reflectance. Unlike conventional active pixel sensing (APS), NVS allows for signif
Externí odkaz:
http://arxiv.org/abs/1910.03579
Neuromorphic vision sensing (NVS)\ devices represent visual information as sequences of asynchronous discrete events (a.k.a., ``spikes'') in response to changes in scene reflectance. Unlike conventional active pixel sensing (APS), NVS allows for sign
Externí odkaz:
http://arxiv.org/abs/1908.06648
Autor:
Bourtsoulatze, Eirina, Chadha, Aaron, Fadeev, Ilya, Giotsas, Vasileios, Andreopoulos, Yiannis
Several groups are currently investigating how deep learning may advance the state-of-the-art in image and video coding. An open question is how to make deep neural networks work in conjunction with existing (and upcoming) video codecs, such as MPEG
Externí odkaz:
http://arxiv.org/abs/1908.00812
Advanced video classification systems decode video frames to derive the necessary texture and motion representations for ingestion and analysis by spatio-temporal deep convolutional neural networks (CNNs). However, when considering visual Internet-of
Externí odkaz:
http://arxiv.org/abs/1810.03964
Autor:
Chadha, Aaron, Andreopoulos, Yiannis
Adversarial discriminative domain adaptation (ADDA) is an efficient framework for unsupervised domain adaptation in image classification, where the source and target domains are assumed to have the same classes, but no labels are available for the ta
Externí odkaz:
http://arxiv.org/abs/1809.03625
We investigate video classification via a two-stream convolutional neural network (CNN) design that directly ingests information extracted from compressed video bitstreams. Our approach begins with the observation that all modern video codecs divide
Externí odkaz:
http://arxiv.org/abs/1710.05112
Autor:
Chadha, Aaron, Andreopoulos, Yiannis
We investigate the problem of image retrieval based on visual queries when the latter comprise arbitrary regions-of-interest (ROI) rather than entire images. Our proposal is a compact image descriptor that combines the state-of-the-art in content-bas
Externí odkaz:
http://arxiv.org/abs/1611.08906
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.