13:23官方账号arXiv cs.AI@Yuanjing Xu, Xinyan Liu, Weidong Chen, Zixuan Zou, Linhao Zhang, Zhuangzhe Meng, Antoni B. Chan, Weigang Zhang本论文提出深度引导检测器 DG-Det,结合多尺度 RGB-D 交叉注意力和显式遮挡预测,增强拥挤与遮挡场景下的目标检测能力。同时引入统一去重框架,消除跨帧重复计数。作者发布了带深度信息的 RGB-D 视频计数数据集,涵盖多类目标。相比现有基线,该方法在 MAE 上降低 62.01%,RMSE 也取得一致改善。论文DG-DetRGB-D视频计数推荐理由:看这篇,用深度信息做视频数人数,拥挤遮挡也不虚,MAE 降了 62%,代码和数据集都开源了。原文稍后读已读值得跟进有用关注 DG-Det
11:27官方账号arXiv cs.LG@Edoardo Ragusa, Giovanni Paolo Canuti, Simone Lugani, Rodolfo Zunino, Paolo Gastaldo论文提出两种方法,利用RGB-D数据在小型深度网络中整合深度信息,包括重构的硬件感知神经架构搜索和专用微调流程。两个真实世界数据集上的实验显示,多数生成的解决方案能识别Pareto最优前沿,平衡泛化性能和硬件要求。原型采用Jetson Nano和RealSense RGB-D相机,整体能耗与智能手机电池兼容,可实现实时性能。论文Jetson NanoRealSenseRGB-D推荐理由:论文给嵌入式设备上的可供性分割提供了新思路,用Jetson Nano和RealSense做出实时方案,能耗跟手机电池差不多,比同类tiny方法更能处理复杂场景。原文稍后读已读值得跟进有用关注 Jetson Nano