Merkzettel Warenkorb
Produktbild: Computer Vision – ECCV 2024 Workshops
Band 15636

Computer Vision – ECCV 2024 Workshops Milan, Italy, September 29–October 4, 2024, Proceedings, Part XIV

Aus der Reihe Lecture Notes in Computer Science

87,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

07.06.2025

Abbildungen

LV, 121 illus., 115 illus. in color., schwarz-weiss Illustrationen, farbige Illustrationen

Herausgeber

Alessio Del Bue + weitere

Verlag

Springer

Seitenzahl

356

Maße (L/B/H)

23,5/15,5/2,3 cm

Gewicht

622 g

Sprache

Englisch

ISBN

978-3-031-91577-2

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

07.06.2025

Abbildungen

LV, 121 illus., 115 illus. in color., schwarz-weiss Illustrationen, farbige Illustrationen

Herausgeber

Verlag

Springer

Seitenzahl

356

Maße (L/B/H)

23,5/15,5/2,3 cm

Gewicht

622 g

Sprache

Englisch

ISBN

978-3-031-91577-2

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: [email protected]

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Computer Vision – ECCV 2024 Workshops

  • .- AirLetters: An Open Video Dataset of Characters Drawn in the Air.

    .- RegionGrasp: A Novel Task for Contact Region Controllable Hand Grasp Generation.

    .- Generative Hierarchical Temporal Transformer for Hand Pose and Action Modeling.

    .- Adaptive Multi-Modal Control of Digital Human Hand Synthesis Using a Region-Aware Cycle Loss.

    .- Conditional Hand Image Generation using Latent Space Supervision in Random Variable Variational Autoencoders.

    .- ChildPlay-Hand: A Dataset of Hand Manipulations in the Wild.

    .- EMAG: Ego-motion Aware and Generalizable 2D Hand Forecasting from Egocentric Videos.

    .- Disentangling Planning, Driving and Rendering for Photorealistic Avatar Agents.

    .- RGMIM: Region-Guided Masked Image Modeling for Learning Meaningful Representations from X-Ray Images.

    .- A Biologically-inspired Approach to Biomedical Image Segmentation.

    .- Human-based Low-Level Visual Processing Neural Network for Image Segmentation.

    .- Glia Cell Inspired Reinforcement Learning Agent for Neural Network Optimization.

    .- Growing Deep Neural Network Considering with Similarity between Neurons.

    .- Representation Learning in a Decomposed Encoder Design for Bio-inspired Hebbian Learning.

    .- Reducing Catastrophic Forgetting in Online Class Incremental Learning Using Self-Distillation.

    .- What makes a face look like a hat: Decoupling low-level and high-level visual properties with image triplets.

    .- ScanDDM: Generalised Zero-Shot Neuro-Dynamical Modelling of GoalDirected Attention.

    .- Limited but consistent gains in adversarial robustness by co-training object recognition models with human EEG.

    .- Online Learning via Memory: Retrieval-Augmented Detector Adaptation.

    .- AHMF: Adaptive Hybrid-Memory-Fusion Model for Driver Attention Prediction.

    .- Accuracy Improvement of Cell Image Segmentation Using Feedback Former.

    .- Variable resolution improves visual question answering under a limited pixel budget.

    .- MOSAIC: Skeleton-based human motion recognition with compositional representations.

    .- Adapting Large Language Model for Cross-Subject Semantic Decoding from Video-Stimulated fMRI.

    .- A System 1 and System 2 Perspective on Continual Learning for Practical Implementation.

    .- Connectivity-Inspired Network for Context-Aware Recognition.

    .- Generalizability analysis of deep learning predictions of human brain responses to augmented and semantically novel visual stimuli.