Zobrazeno 1 - 10
of 106
pro vyhledávání: '"VAN REETH, Frank"'
Data augmentations are useful in closing the sim-to-real domain gap when training on synthetic data. This is because they widen the training data distribution, thus encouraging the model to generalize better to other domains. Many image augmentation
Externí odkaz:
http://arxiv.org/abs/2403.06786
Autor:
Vanherle, Bram, Pippi, Vittorio, Cascianelli, Silvia, Michiels, Nick, Van Reeth, Frank, Cucchiara, Rita
Styled Handwritten Text Generation (HTG) has received significant attention in recent years, propelled by the success of learning-based solutions employing GANs, Transformers, and, preliminarily, Diffusion Models. Despite this surge in interest, ther
Externí odkaz:
http://arxiv.org/abs/2402.10798
Publikováno v:
BMVC 2022
Recently, the use of synthetic training data has been on the rise as it offers correctly labelled datasets at a lower cost. The downside of this technique is that the so-called domain gap between the real target images and synthetic training data lea
Externí odkaz:
http://arxiv.org/abs/2211.16066
Publikováno v:
ROBOVIS, 2021, 40-47
In this paper a deep learning architecture is presented that can, in real time, detect the 2D locations of certain landmarks of physical tools, such as a hammer or screwdriver. To avoid the labor of manual labeling, the network is trained on syntheti
Externí odkaz:
http://arxiv.org/abs/2210.11991
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:
Negash, Asfaw, Hustings, Jeroen, Robert, Allyson, Genene, Zewdneh, Yilma, Desalegn, Schreurs, Dieter, Mathijs, Michiel, Liesenborgs, Jori, Van Reeth, Frank, Vandewal, Koen, Mammo, Wendimagegn, Admassie, Shimelis, Maes, Wouter, Manca, Jean V.
Publikováno v:
Advanced Functional Materials; 2/5/2024, Vol. 34 Issue 6, p1-11, 11p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Yuanlin, Hong, CHEN, Junhong, Cheng, Yu, Han, Yishi, VAN REETH, Frank, CLAESEN, Luc, Liu, Wenyin
Publikováno v:
Frontiers in neurorobotics. 16
Obtaining accurate depth information is key to robot grasping tasks. However, for transparent objects, RGB-D cameras have difficulty perceiving them owing to the objects' refraction and reflection properties. This property makes it difficult for huma
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::7cb91c7b02e2e8d1409c67cf411e928b
https://pubmed.ncbi.nlm.nih.gov/36425928
https://pubmed.ncbi.nlm.nih.gov/36425928
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.