Zobrazeno 1 - 10
of 56
pro vyhledávání: '"Kooij, J.F.P."'
Publikováno v:
In Computer Vision and Image Understanding March 2016 144:106-120
Publikováno v:
Remote Sensing, 15(12)
We propose an enhancement module called depth discontinuity learning (DDL) for learning-based multi-view stereo (MVS) methods. Traditional methods are known for their accuracy but struggle with completeness. While recent learning-based methods have i
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=narcis______::840b77b3a3915a5a35a9223f588677cd
http://resolver.tudelft.nl/uuid:e1700152-fb07-455c-bbd5-17ea02a37cf1
http://resolver.tudelft.nl/uuid:e1700152-fb07-455c-bbd5-17ea02a37cf1
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.
Autor:
Xia, Z., Booij, Olaf, Manfredi, Marco, Kooij, J.F.P., Avidan, Shai, Brostow, Gabriel, Cissé, Moustapha, Farinella, Giovanni Maria, Hassner, Tal
Publikováno v:
Lecture Notes in Computer Science ISBN: 9783031198410
Computer Vision – ECCV 2022: Proceedings of the 17th European Conference
Computer Vision – ECCV 2022
Computer Vision – ECCV 2022: Proceedings of the 17th European Conference
Computer Vision – ECCV 2022
This work addresses visual cross-view metric localization for outdoor robotics. Given a ground-level color image and a satellite patch that contains the local surroundings, the task is to identify the location of the ground camera within the satellit
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.
Publikováno v:
2017 IEEE Intelligent Vehicles Symposium (IV)
Intelligent Vehicles Symposium
Proceedings of the 2017 IEEE Intelligent Vehicles Symposium (IV)
Intelligent Vehicles Symposium
Proceedings of the 2017 IEEE Intelligent Vehicles Symposium (IV)
We learn motion models for cyclist path prediction on real-world tracks obtained from a moving vehicle, and propose to exploit the local road topology to obtain better predictive distributions. The tracks are extracted from the Tsinghua-Daimler Cycli
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::bf293a26b35b8b5e76b6e7e67e24ed2e
https://doi.org/10.1109/ivs.2017.7995734
https://doi.org/10.1109/ivs.2017.7995734
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Advances in Intelligent and Distributed Computing: proceedings of the 1st International Symposium on Intelligent and Distributed Computing IDC'2007, Craiova, Romania, October 2007, 145-154
STARTPAGE=145;ENDPAGE=154;TITLE=Advances in Intelligent and Distributed Computing
Advances in Intelligent and Distributed Computing ISBN: 9783540749295
STARTPAGE=145;ENDPAGE=154;TITLE=Advances in Intelligent and Distributed Computing
Advances in Intelligent and Distributed Computing ISBN: 9783540749295
In this paper we focus on distributed multiagent planning under uncertainty. For single-agent planning under uncertainty, the partially observable Markov decision process (POMDP) is the dominant model (see [Spaan and Vlassis, 2005] and references the