Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Masking and Demasking Agents01:19

Masking and Demasking Agents

3.4K
EDTA titrations may necessitate masking and demasking agents to temporarily protect a particular metal ion in a mixture from the EDTA reaction. These agents facilitate the sequential analysis of the metal ions by forming stable complexes with some—but not all—metal ions during certain steps.
There are many masking agents, such as cyanide, fluoride, triethanolamine, thiourea, and 2,3-bis(sulfanyl)propan-1-ol (formerly 2,3-dimercapto-1-propanol), with the masking agent chosen based on...
3.4K
Deindividuation00:57

Deindividuation

30.3K
Deindividuation is a form of social influence on an individual’s behavior such that the individual engages in unusual or non-normal behavior while in a group setting. Why? Because in these group settings, the individual no longer sees themselves as an individual anymore, disinhibiting their behavior and personal restraint.
30.3K
Difference from Background: Limit of Detection01:05

Difference from Background: Limit of Detection

8.0K
The limit of detection (LOD) is the smallest amount of analyte that can be distinguished from the background noise. The LOD value corresponds to the concentration at which the analyte signal is three times larger than the standard deviation of the blank signal. Below this value, the analyte signal cannot be differentiated from the background noise. It is calculated by dividing the calibration slope by 3 times the standard deviation of the blank signals.
The LOD indicates the presence or absence...
8.0K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Multi-Level Collaborative Distillation Meets Global Workspace Model: A Unified Framework for OCIL.

IEEE transactions on image processing : a publication of the IEEE Signal Processing Society·2026
Same author

Elevated suspended particulate matter reorganises carbon fraction in mangrove ecosystems.

Marine environmental research·2026
Same author

Learning Prompt Adapters for Forgetting-Free Continual Image Super-Resolution.

IEEE transactions on image processing : a publication of the IEEE Signal Processing Society·2026
Same author

Overcoming Dual Incremental Challenges in Continual Person Search via Adapter and Prototype.

IEEE transactions on image processing : a publication of the IEEE Signal Processing Society·2026
Same author

ActPrompt: In-Domain Feature Adaptation via Action Cues for Video Temporal Grounding.

IEEE transactions on image processing : a publication of the IEEE Signal Processing Society·2026
Same author

Prompt Disentanglement via Language Guidance and Representation Alignment for Domain Generalization.

IEEE transactions on pattern analysis and machine intelligence·2026

Video Experimental Relacionado

Updated: Jan 18, 2026

Holistic Facial Composite Creation and Subsequent Video Line-up Eyewitness Identification Paradigm
09:49

Holistic Facial Composite Creation and Subsequent Video Line-up Eyewitness Identification Paradigm

Published on: December 24, 2015

14.6K

Aislamiento de Factores de Interferencia para la Reidentificación Robusta de Personas que Cambian de Ropa

De Cheng, Yubo Li, Chaowei Fang

    IEEE transactions on pattern analysis and machine intelligence
    |January 16, 2026
    PubMed
    Resumen

    Este estudio presenta un nuevo marco para la Reidentificación de Personas que Cambian de Ropa (CC-ReID) que desvincula las características de identidad de factores de interferencia como la ropa. El método mejora la precisión del reconocimiento de personas en sistemas de vigilancia al aislar la información de identidad.

    Palabras clave:
    Reidentificación de personasCambio de ropaFactores de interferenciaVisión por computadoraAprendizaje automáticoInteligencia artificialSistemas de vigilancia

    Más Videos Relacionados

    Creating Virtual-hand and Virtual-face Illusions to Investigate Self-representation
    06:53

    Creating Virtual-hand and Virtual-face Illusions to Investigate Self-representation

    Published on: March 1, 2017

    13.8K
    Perceptual and Category Processing of the Uncanny Valley Hypothesis' Dimension of Human Likeness: Some Methodological Issues
    07:34

    Perceptual and Category Processing of the Uncanny Valley Hypothesis' Dimension of Human Likeness: Some Methodological Issues

    Published on: June 3, 2013

    17.9K

    Videos de Experimentos Relacionados

    Last Updated: Jan 18, 2026

    Holistic Facial Composite Creation and Subsequent Video Line-up Eyewitness Identification Paradigm
    09:49

    Holistic Facial Composite Creation and Subsequent Video Line-up Eyewitness Identification Paradigm

    Published on: December 24, 2015

    14.6K
    Creating Virtual-hand and Virtual-face Illusions to Investigate Self-representation
    06:53

    Creating Virtual-hand and Virtual-face Illusions to Investigate Self-representation

    Published on: March 1, 2017

    13.8K
    Perceptual and Category Processing of the Uncanny Valley Hypothesis' Dimension of Human Likeness: Some Methodological Issues
    07:34

    Perceptual and Category Processing of the Uncanny Valley Hypothesis' Dimension of Human Likeness: Some Methodological Issues

    Published on: June 3, 2013

    17.9K

    Área de la Ciencia:

    • Visión por Computadora
    • Inteligencia Artificial
    • Aprendizaje Automático

    Sus antecedentes:

    • La Reidentificación de Personas que Cambian de Ropa (CC-ReID) es vital para la vigilancia y la seguridad.
    • Los métodos actuales de CC-ReID tienen dificultades con factores de interferencia como la ropa, el punto de vista y las acciones, lo que afecta la extracción de características de identidad.
    • La extracción robusta de características de identidad requiere abordar estos factores de interferencia.

    Objetivo del estudio:

    • Proponer un marco novedoso para CC-ReID que desvincule sistemáticamente los factores de interferencia de las características de identidad.
    • Garantizar la robustez y el poder discriminatorio de las representaciones de identidad a pesar de las variaciones.
    • Mejorar la precisión y la fiabilidad de los sistemas de reidentificación de personas.

    Principales métodos:

    • Un marco de aprendizaje de características de identidad de doble flujo con flujos de datos sin procesar y aislados de la ropa.
    • Un objetivo de contraste adaptativo irrelevante para la ropa para manejar las variaciones de vestimenta.
    • Una Red de Desvinculación de Interferencia Generativa Adversaria Condicional Dirigida por Texto (T-CGAIDN) para suprimir otros factores de interferencia.

    Principales resultados:

    • El marco propuesto supera significativamente los enfoques de vanguardia en puntos de referencia públicos.
    • El método desvincula eficazmente las características de identidad de varios factores de interferencia.
    • Demostró una mayor robustez y poder discriminatorio en las representaciones de identidad.

    Conclusiones:

    • El novedoso marco aborda eficazmente los desafíos en CC-ReID al desvincular los factores de interferencia.
    • El enfoque mejora el rendimiento de los sistemas de reidentificación de personas.
    • El método propuesto ofrece un avance significativo en el campo de CC-ReID.