Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

视觉模块的并行集成.

T Poggio1, E B Gamble, J J Little

  • 1Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Cambridge 02139.

Science (New York, N.Y.)
|October 21, 1988
PubMed
概括
此摘要是机器生成的。

研究人员开发了一种新的计算技术来整合视觉线索,提高计算机视觉性能. 这种方法提高了人工系统感知3D表面的能力,模仿生物视觉系统.

相关实验视频

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Correction: Excess of NPM-ALK oncogenic signaling promotes cellular apoptosis and drug dependency.

Oncogene·2025
Same author

An analysis of training and generalization errors in shallow and deep networks.

Neural networks : the official journal of the International Neural Network Society·2019
Same author

Response from sinha and poggio.

Trends in cognitive sciences·2011
Same author

Multiclass cancer diagnosis using tumor gene expression signatures.

Proceedings of the National Academy of Sciences of the United States of America·2001
Same author

Learning in brains and machines.

Spatial vision·2001
Same author

Categorical representation of visual stimuli in the primate prefrontal cortex.

Science (New York, N.Y.)·2001
Same journal

Erratum for the Research Article "Detecting supramolecular organic nanoparticles during heat wave".

Science (New York, N.Y.)·2026
Same journal

Local signals, systemic decline.

Science (New York, N.Y.)·2026
Same journal

The mechanics of liver regeneration.

Science (New York, N.Y.)·2026
Same journal

Computing in a memory with physics.

Science (New York, N.Y.)·2026
Same journal

Retraction.

Science (New York, N.Y.)·2026
Same journal

Making time.

Science (New York, N.Y.)·2026
查看所有相关文章

科学领域:

  • 计算机视觉 计算机视觉
  • 计算神经科学是一种神经科学.
  • 人工智能的人工智能

背景情况:

  • 计算机算法存在于早期视觉过程中,如边缘检测,立体分析,运动,纹理和颜色.
  • 生物视觉系统的性能优于计算机视觉,因为它们能够整合多个视觉线索.
  • 当前的计算机视觉系统通常会单独处理视觉线索,从而限制了它们的稳定性和灵活性.

研究的目的:

  • 开发一种新的计算技术,用于整合各种视觉线索.
  • 通过模仿生物整合策略来提高计算机视觉系统的性能和稳定性.
  • 在并行超级计算机上实施和评估这种集成技术.

主要方法:

  • 开发一种新的计算算法,用于视觉中的多个cue集成.
  • 在并行超级计算架构上实现算法.
  • 测试和评估与已建立的基准对集成视觉提示处理.

主要成果:

  • 开发的计算技术在整合视觉线索方面表现出令人鼓舞的结果.
  • 综合方法在处理关于3D表面,形状和材料属性的信息方面取得了改进.
  • 观察到性能增长,表明与单独的提示处理相比,可靠性和灵活性有所提高.

结论:

  • 在计算上整合多个视觉线索是提高计算机视觉能力的关键.
  • 这种新技术显示出创造更强大和生物可信的人工视觉系统的前景.
  • 对并行架构的进一步开发和应用可以导致人工知觉的重大突破.