Computer Vision

Definition

類似度学習は、類似したアイテムが近くに、異なるアイテムが遠くなるように、入力をベクトル空間にマッピングするモデルを訓練することに焦点を当てています。サイエズネットワークやトリプレ …

光学文字認識（OCR）は、画像処理とパターン認識アルゴリズムを使用して、デジタル画像内のテキストを識別します。印刷物や手書きの文字をマシンエンコード可能な形式に変換し、情報のデジ …

物体検出は、画像分類を超え、画像内にどのような物体が存在するかだけでなく、それらがどこにあるかを特定します。検出された項目の周囲に境界座標（バウンディングボックス）を出力し、対応 …

LocateAnythingは、自然言語プロンプトや一般的な事前知識に基づいて、画像内の物体を検出しセグメンテーションできる汎用的なコンピュータビジョンフレームワークです。事前訓 …

インテリジェント文字認識とは、ニューラルネットワークによって駆動される高度な光学式文字認識（OCR）技術を指します。単純なパターンマッチングを超え、文脈を理解し、ノイズのあるデー …

画像から画像へ（Image To Image、I2I）は、GAN（敵対的生成ネットワーク）や拡散モデルなどの深層学習モデルを使用して、ある画像を別の画像に変換するプロセスです。単 …

この用語は、動画生成のために設計されたHugging Face Diffusersライブラリ内の特定の実装を指します。これは、潜在空間での動画拡散（latent video …

Flickr30Kキャプションは、視覚的内容を記述する5つの異なる英語文で注釈付けされた3万1,783枚の画像からなる、広く使用されているベンチマークデータセットです。これは基盤 …

AIにおける「ビジュアル」という用語は、主にコンピュータビジョンを指します。これは、機械がデジタル画像、動画、その他の視覚入力から意味のある情報を抽出することを目的とした分野で …

AIにおける知覚は、生センサーデータを上位レベルの推論モジュールで処理できる意味のある情報に変換することを含みます。これには、視覚シーンを解釈するためのコンピュータビジョン …

マッチングは、異なるデータエンティティ間の関係を確立するために機械学習で用いられる重要な技術です。コンピュータビジョンでは、特徴量マッチングにより画像間で対応する点を特定し、他の …