下面,你会发现一些简要的描述在我们实验室最近的调查。有关更多信息,请单击标题。
路径跟踪器
今天的深层神经网络跟踪对象由re-segmenting对象感兴趣的每一帧的视频。他们怎么能跟踪如果每个对象看起来完全相同的?这项工作提出了一种新的跟踪任务,受到认知心理学,可以用来测试先进的基于深层神经网络跟踪器的应变能力。
Subitizing和闭塞
人类能够迅速、准确地计算一些目标大约4——这叫做subitizing。这是如何实现的呢?subitize部分遮挡影响人类的能力如何?
颜色知觉
有多个独立感知色度的来源,包括真正的光,后像,空间彩色感应,和积极的后像。感知是一个复杂的过程由对手颜色通道。是什么决定了物体的颜色,你看到了吗?这些来源结合感知怎么样?
Border-Ownership
最近,细胞只有当地接受已经发现选择性border-ownership字段。可以我们模型的操作这些细胞可能是执行以达到选择性呢?
数据采集和跟踪机器人
提高视频捕捉对象跟踪分析,机器人可以记录稳定视频供以后分析,同时提供了一个平台测试使用附加PTZ摄像机跟踪算法。
检测运动发作抵消动能阻塞
表面会出现有不同的深度,即使唯一视觉系统的信息来自于运动。这些观念导致的机制是什么?请参见发表篇文章JoV。也FMO模型源代码是可用的。
ViSTARS:视觉导航在一个混乱的世界
当标题信息结合目标和障碍物的位置,ViSTARS模型引导周围的障碍向一个目标。由安德鲁•布朗宁(工作)
快速Numerosity估计
查找对象的自然环境带来了挑战,即使是简单的对象与已知的属性。因为闭塞和距离,的数量和程度(视角)可见表面不直接表达对象的数量。是这三个红色的表面附近的部分阻挡苹果或三个遥远的苹果吗?解决这种模棱两可观察者似乎毫不费力。它是如何做的?