官方问题反馈

  • 意见反馈

    0 话题
    有什么意见建议来这里反馈吧
    创建时间: 2020-05-24 15:35
  • 交流求助

    2 话题
    一起来交流讨论吧
    创建时间: 2020-05-24 15:24
  • 发布需求

    1 话题
    没有找到想要的产品或服务? 快来发布需求吧
    创建时间: 2020-05-21 21:58

API接口问题反馈

  • 由于小光圈和传感器尺寸,智能手机图像通常比数码单反相机具有更多的噪点。考虑到图像去噪是一个活跃的研究领域,作者提出了一个去噪图像数据集,该数据集代表来自智能手机相机的真实噪声图像,具有高质量的地面实况。该数据集与CVPR 2020一起用于NTIRE 2020 真实图像去噪挑战赛。   该数据集包含以下智能手机在不同光照条件下拍摄的 160 对噪声/真实图像: GP: Google PixelIP:
    创建时间: 2022-11-17 00:26
  • 本数据集来自于AIM 2022 压缩图像和视频超分辨率挑战赛”中的前 5 名解决方案工作:Swin2SR: SwinV2 Transformer for Compressed Image Super-Resolution and Restoration   Please check our project SWIN2SR https://github.com/mv-lab/swin2sr ???? ????
    创建时间: 2022-11-17 00:26
  • 数据集介绍: 多人姿态估计是许多计算机视觉任务的基础,近年来取得了重大进展。然而,以前很少有方法研究拥挤场景中的姿态估计问题,而在许多场景中,这仍然是一个具有挑战性和不可避免的问题。此外,目前的基准无法对此类案件进行适当评估。在本文中,我们提出了一种新的有效方法来解决人群中的姿势估计问题,并提出了一个新的数据集来更好地评估算法。   Citation If you find our works u
    创建时间: 2022-11-17 00:26
  • 数据集介绍: 现有的人体姿势数据集包含有限的身体部位类型。MPII 数据集标注了脚踝、膝盖、臀部、肩膀、肘部、手腕、颈部、躯干和头顶,而 COCO 还包括一些面部关键点。对于这两个数据集,足部注释仅限于脚踝位置。然而,图形应用程序(例如头像重定向或 3D 人体形状重建)需要足部关键点,例如大脚趾和脚跟。在没有足部信息的情况下,这些方法会遇到诸如糖果包装效果、地板穿透和足部滑冰等问题。为了解决这些问
    创建时间: 2022-11-17 00:26
  • 数据集介绍: 基于外观的凝视估计被认为在现实环境中很有效,但现有数据集是在受控实验室条件下收集的,并且没有对多个数据集的方法进行评估。在这项工作中,我们研究了野外基于外表的凝视估计。我们展示了MPIIGaze数据集,其中包含我们在三个多月的日常笔记本电脑使用过程中从15名参与者收集的213659张图像。在外观和照明方面,我们的数据集比现有的数据集变化更大。我们还提出了一种使用多模式卷积神经网络进行
    创建时间: 2022-11-17 00:26
  • 数据集介绍: 本文从流行的好莱坞电影中自动收集了5003个图像数据集。这些图像是通过在30部电影的每10帧上运行一个最先进的人检测器获得的。   Please cite as Sapp, Benjamin and Ben Taskar. "MODEC: MultimOdal DEComposable Models for Human Pose Estimation." In Proc. CVPR
    创建时间: 2022-11-17 00:26
  • 数据集介绍: 该数据集提供了五个类别的动物姿势注释:狗、猫、牛、马、羊,在4,000 多张图像中总共有6,000多个实例。此外,该数据集还包含其他7 个动物类别的边界框注释。在论文中查找详细信息。 该数据集一共标注了 20 个关键点:两只眼睛、喉咙、鼻子、马肩隆、两个耳根、尾根、四个肘部、四个膝盖、四个爪子。我们从这个数据集中选择一些样本。第一个图表示来自五个动物类别的关键点标记的动物实例。第二个
    创建时间: 2022-11-17 00:25
  • 数据集介绍: 数据集由序列构成。在每个序列中,您都可以找到组成它的帧。一个帧由4个彩色图像、4组投影在每个图像平面中的2D关节、4个边界框、1组Leap Motion Controller提供的3D点和4组重新投影到每个相机坐标帧的3D点组成。   How is this dataset structured? The dataset is structured by sequences. In
    创建时间: 2022-11-17 00:25
  • 背景 提前获取道路的状态与特性能够为自动驾驶车辆规划和控制系统提供有效信息,从而提高车辆的安全性和驾乘舒适性。利用视觉图像进行道路感知被证实是一种有效的解决方案。但目前仍然缺少一个大规模的真实场景路面感知图像数据集。基于此背景,我们实车采集、手工标注并发布了该路面图像分类数据集(RSCD),提供路面附着水平、不平度及材质的全状态详细标注信息,共包含约100万张图片。 数据获取 路面原始图片由高性能
    创建时间: 2022-11-17 00:25
  • NLPR

    0 话题
    数据集介绍: NJU2K是一个包含 1,985 个图像对的大型 RGB-D 数据集。立体图像是从互联网和 3D 电影中收集的,而照片是由富士 W3 相机拍摄的。  
    创建时间: 2022-11-17 00:25