Zobrazeno 1 - 10
of 13 871
pro vyhledávání: '"latent image"'
Autor:
Kwon, Taesung, Ye, Jong Chul
In this paper, we propose a novel framework for solving high-definition video inverse problems using latent image diffusion models. Building on recent advancements in spatio-temporal optimization for video inverse problems using image diffusion model
Externí odkaz:
http://arxiv.org/abs/2412.00156
Autor:
Kansabanik, Rittwika, Barbu, Adrian
This paper introduces a Video Quality Assessment (VQA) problem that has received little attention in the literature, called the latent resolution prediction problem. The problem arises when images or videos are upscaled from their native resolution a
Externí odkaz:
http://arxiv.org/abs/2410.13227
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Kaufman, Ilya, Azencot, Omri
Deep neural networks have been demonstrated to achieve phenomenal success in many domains, and yet their inner mechanisms are not well understood. In this paper, we investigate the curvature of image manifolds, i.e., the manifold deviation from being
Externí odkaz:
http://arxiv.org/abs/2305.19730
Spatio-temporal coherency is a major challenge in synthesizing high quality videos, particularly in synthesizing human videos that contain rich global and local deformations. To resolve this challenge, previous approaches have resorted to different f
Externí odkaz:
http://arxiv.org/abs/2305.03989
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Due to the remarkable progress of deep generative models, animating images has become increasingly efficient, whereas associated results have become increasingly realistic. Current animation-approaches commonly exploit structure representation extrac
Externí odkaz:
http://arxiv.org/abs/2203.09043
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Tseytlin, Boris, Makarov, Ilya
We approach the problem of hotel recognition with deep metric learning. We overview the existing approaches and propose a modification to Contrastive loss called Contrastive-Triplet loss. We construct a robust pipeline for benchmarking metric learnin
Externí odkaz:
http://arxiv.org/abs/2106.08042
Autor:
COSMAN, TEODORA
Publikováno v:
Romanian Journal of Artistic Creativity. 8(3):11-30
Externí odkaz:
https://www.ceeol.com/search/article-detail?id=909728
