Zobrazeno 1 - 10
of 2 859
pro vyhledávání: '"Posner, I."'
Autor:
Parker Jones O; Applied AI Lab, Oxford Robotics Institute, University of Oxford, Oxford, UK. oiwi@robots.ox.ac.uk., Mitchell AL; Applied AI Lab, Oxford Robotics Institute, University of Oxford, Oxford, UK. mitch@robots.ox.ac.uk.; Dynamic Robot Systems Group, Oxford Robotics Institute, University of Oxford, Oxford, UK. mitch@robots.ox.ac.uk., Yamada J; Applied AI Lab, Oxford Robotics Institute, University of Oxford, Oxford, UK., Merkt W; Dynamic Robot Systems Group, Oxford Robotics Institute, University of Oxford, Oxford, UK., Geisert M; Dynamic Robot Systems Group, Oxford Robotics Institute, University of Oxford, Oxford, UK., Havoutis I; Dynamic Robot Systems Group, Oxford Robotics Institute, University of Oxford, Oxford, UK., Posner I; Applied AI Lab, Oxford Robotics Institute, University of Oxford, Oxford, UK.
Publikováno v:
Scientific reports [Sci Rep] 2024 May 19; Vol. 14 (1), pp. 11434. Date of Electronic Publication: 2024 May 19.
Modelling functions of sets, or equivalently, permutation-invariant functions, is a long-standing challenge in machine learning. Deep Sets is a popular method which is known to be a universal approximator for continuous set functions. We provide a th
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::60ceff8c603aab1e2cac3f98a1b7e46c
https://ora.ox.ac.uk/objects/uuid:aad96d93-d8a9-4ac4-92a3-cd7bc3e3da96
https://ora.ox.ac.uk/objects/uuid:aad96d93-d8a9-4ac4-92a3-cd7bc3e3da96
Publikováno v:
Lecture Notes in Computer Science ISBN: 9783031198410
Object pose estimation is an important component of most vision pipelines for embodied agents, as well as in 3D vision more generally. In this paper we tackle the problem of estimating the pose of novel object categories in a zero-shot manner. This e
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::dc0b263bab50ef2616751b0123d0b34f
http://arxiv.org/abs/2204.03635
http://arxiv.org/abs/2204.03635
Publikováno v:
2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS).
Recent advances in unsupervised learning for object detection, segmentation, and tracking hold significant promise for applications in robotics. A common approach is to frame these tasks as inference in probabilistic latent-variable models. In this p
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::4bb4e5007ebfc15e92ff117b9dc3bf70
https://doi.org/10.1109/iros51168.2021.9636711
https://doi.org/10.1109/iros51168.2021.9636711
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
This paper introduces a generative model equivariant to Euclidean symmetries: E(n) Equivariant Normalizing Flows (E-NFs). To construct E-NFs, we take the discriminative E(n) graph neural networks and integrate them as a differential equation to obtai
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::6aa404141db67b9214f38f8c74d627fe
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
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.