Datensatz Zitierlink: 
http://hdl.handle.net/20.500.12708/203932
-
Titel: 
Unsupervised Semantic Segmentation Through Depth-Guided Feature Correlation and Sampling
en
Zitat: 
Sick, L., Engel, D., Hermosilla, P., & Ropinski, T. (2024). Unsupervised Semantic Segmentation Through Depth-Guided Feature Correlation and Sampling. In 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (pp. 3637–3646). https://doi.org/10.1109/CVPR52733.2024.00349
-
Verlags-DOI: 
10.1109/CVPR52733.2024.00349
-
Publikationstyp: 
Konferenzbeitrag - Full-Paper Contribution
de
Sprache: 
Englisch
-
Autor_innen: 
Sick, Leon 
Engel, Dominik 
Hermosilla, Pedro 
Ropinski, Timo 
-
Organisations­einheit: 
E193-01 - Forschungsbereich Computer Vision 
-
Erschienen in: 
2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 
-
ISBN: 
979-8-3503-5300-6
-
Datum (veröffentlicht): 
2024
-
Veranstaltungs­name: 
2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 
en
Veranstaltungs­zeitraum: 
16-Jun-2024 - 22-Jun-2024
-
Veranstaltungs­ort: 
Seattle, WA, Vereinigte Staaten von Amerika
-
Umfang: 
10
-
Peer Reviewed: 
Ja
-
Keywords: 
Semantic Segmentation; Deep Learning; Unsupervised Learning; Depth Map
en
Forschungs­schwerpunkte: 
Visual Computing and Human-Centered Technology: 100%
-
Wissenschafts­zweig: 
1020 - Informatik: 90%
1010 - Mathematik: 10%
-
Enthalten in den Sammlungen:
Conference Paper

Zur Langanzeige

Seiten Aufrufe

122
aufgerufen am 05.11.2024

Download(s)

4
aufgerufen am 05.11.2024

Google ScholarTM

Check