Pose Networks Unveiled: Bridging the Gap for Monocular Depth Perception

Салех Х. М., Гончаров Д. А., Shadi S. и др., , in: Proceedings 2026 IEEE 11th International Conference on Smart Cloud SmartCloud 2026 8-10 May 2026.: Los Alamitos: IEEE Computer Society, 2026. P. 78–85.

Добавлено: 12 мая 2026 г.

Object Localization Based on a Single RGB Camera for a 4-DOF Robotic Arm

Chebotareva E., Mukhamedshin A., Imamov N. и др., , in: 2025 11th International Conference on Automation, Robotics, and Applications (ICARA), 12-14 Feb. 2025.: IEEE, 2025. Ch. 2025 P. 252–256.

Добавлено: 17 марта 2026 г.

Inpainting Semantic and Depth Features to Improve Visual Place Recognition in the Wild

Семенков И. В., Karpov A., Савченко А. В. и др., IEEE Access 2024 Vol. 12 P. 5163–5176

Visual place recognition is one of the core modern computer vision tasks concerned with identifying location based on the image taken there. Modern state-of-the-art approaches heavily rely on RGB images which are largely affected by changes in the same scene such as varying daytime, illumination, seasonal changes, and presence of dynamic objects (people, vehicles). This ...

Добавлено: 15 марта 2024 г.

Efficient Monocular Depth Estimation for Edge Computing Platforms

Saleh S., Салех Х. М., Dmitry Goncharov и др., , in: 2023 International Symposium ELMAR, 11-13 September 2023, Zadar, Croatia.: IEEE, 2023. P. 23–27.

Добавлено: 26 января 2024 г.

SensorSCAN: Self-Supervised Learning and Deep Clustering for Fault Diagnosis in Chemical Processes

Maksim Golyadkin, Vitaliy Pozdnyakov, Leonid Zhukov и др., Artificial Intelligence 2023 Vol. 324 Article 104012

Добавлено: 20 сентября 2023 г.

Predicting Molecule Toxicity via Descriptor-based Graph Self-supervised Learning

Li X., Makarov I., Киселёв Д. А., IEEE Access 2023 Vol. 11 P. 91842–91849

Добавлено: 30 августа 2023 г.

Differentiable Rendering with Reparameterized Volume Sampling

Морозов Н. В., Ракитин Д. Р., Oleg Desheulin и др., , in: Neural Fields across Fields: Methods and Applications of Implicit Neural Representations. ICLR 2023 Workshop.: [б.и.], 2023. Ch. 8.

Добавлено: 18 июля 2023 г.

Neural Fields across Fields: Methods and Applications of Implicit Neural Representations. ICLR 2023 Workshop

[б.и.], 2023.

Добавлено: 18 июля 2023 г.

Exploration in Sequential Recommender Systems via Graph Representations

Киселёв Д. А., Makarov I., IEEE Access 2022 Vol. 10 P. 123614–123621

Добавлено: 5 сентября 2022 г.

Self-supervised recurrent depth estimation with attention mechanisms

Макаров И. А., Bakhanova M., Nikolenko S. и др., PeerJ Computer Science 2022 Vol. 8 Article e865

Depth estimation has been an essential task for many computer vision applications, especially in autonomous driving, where safety is paramount. Depth can be estimated not only with traditional supervised learning but also via a self-supervised approach that relies on camera motion and does not require ground truth depth maps. Recently, major improvements have been introduced ...

Добавлено: 1 февраля 2022 г.

On the Memorization Properties of Contrastive Learning

Садртдинов И. Р., Чиркова Н. А., Лобачева Е. М., , in: ICML 2021 Workshop, Overparameterization: Pitfalls & Opportunities.: [б.и.], 2021.

Добавлено: 25 января 2022 г.

JONNEE: Joint Network Nodes and Edges Embedding

Макаров И. А., Korovina K., Киселёв Д. А., IEEE Access 2021 Vol. 9 P. 144646–144659

Recently, graph embedding models significantly improved the quality of graph machine learning tasks, such as node classification and link prediction. In this work, we propose a model called JONNEE (JOint Network Nodes and Edges Embedding), which learns node and edge embeddings under self-supervision via joint constraints in a given graph and its edge-to-vertex dual representation ...

Добавлено: 30 октября 2021 г.

Influence of 3D Centro-Symmetry on a 2D Retinal Image

Савада Т., Symmetry 2020 Vol. 12 No. 11: 1863 P. 1–12

Добавлено: 12 ноября 2020 г.

Fractal tomography and its application in 3D vision. N Trubochkina. 2018. J. Phys.: Conf. Ser. 955 012020

Трубочкина Н. К., Journal of Physics: Conference Series 2018 Vol. 955 P. 1–6

Abstract. A three-dimensional artistic fractal tomography method that implements a non-glasses 3D visualization of fractal worlds in layered media is proposed. It is designed for the glasses-free 3D vision of digital art objects and films containing fractal content. Prospects for the development of this method in art galleries and the film industry are considered. ...

Добавлено: 29 января 2018 г.

МЕТОД ХУДОЖЕСТВЕННОЙ ФРАКТАЛЬНОЙ ТОМОГРАФИИ ДЛЯ 3D ВИДЕНИЯ

Трубочкина Н. К., Кондратьев Н. В., Мир техники кино 2017 Т. - № 2 (11) С. 26–35

Предлагается метод трёхмерной художественной фрактальной томографии, осуществляющий безочковую 3D визуализацию фрактальных миров в слоистых средах, предназначенный для безочкового 3D видения цифровых арт-объектов и фильмов, содержащих фрактальный контент. Рассматриваются перспективы развития этого метода в арт-галереях и киноиндустрии. ...

Добавлено: 11 декабря 2017 г.