Zobrazeno 1 - 10
of 185
pro vyhledávání: '"Groth, O."'
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.
Given visual observations of a reaching task together with a stick-like tool, we propose a novel approach that learns to exploit task-relevant object affordances by combining generative modelling with a task-based performance predictor. The embedding
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______1064::386333cb9b40b3b394bcf41d0f096385
https://ora.ox.ac.uk/objects/uuid:003cbbd9-a3aa-42e7-8e2d-bcc6b22db89a
https://ora.ox.ac.uk/objects/uuid:003cbbd9-a3aa-42e7-8e2d-bcc6b22db89a
Publikováno v:
Scopus-Elsevier
We present RELATE, a model that learns to generate physically plausible scenes and videos of multiple interacting objects. Similar to other generative approaches, RELATE is trained end-to-end on raw, unlabeled data. RELATE combines an object-centric
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::6a401f67f019cdcdcf863e6d707c0e1b
Autor:
Jivegård, L. *, Drott, C., Gelin, J., Groth, O., Hensäter, M., Jensen, N., Johansson, G., Konrad, P., Lindberg, B., Lindhagen, A., Lundqvist, B., Oden, A., Smith, L., Stenberg, B., Thornell, E., Wingren, U., Örtenwall, P.
Publikováno v:
In European Journal of Vascular & Endovascular Surgery 2005 29(2):190-198
Publikováno v:
arXiv
In this paper we explore the richness of information captured by the latent space of a vision-based generative model. The model combines unsupervised generative learning with a task-based performance predictor to learn and to exploit task-relevant ob
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::7d4d8edb8374296525f9644218a414ba
http://arxiv.org/abs/1909.13561
http://arxiv.org/abs/1909.13561
Publikováno v:
arXiv.
Model interpretability and systematic, targeted model adaptation present central tenets in machine learning for addressing limited or biased datasets. In this paper, we introduce neural stethoscopes as a framework for quantifying the degree of import
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::7a332b641c3abda65fa98694ac9d2e0a
http://ora.ox.ac.uk/objects/uuid:
http://ora.ox.ac.uk/objects/uuid:
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.