Approximating Human-Level 3D Visual Inferences With Deep Neural Networks

Humans make rich inferences about the geometry of the visual world. While deep neural networks (DNNs) achieve human-level performance on some psychophysical tasks (e.g., rapid classification of object or scene categories), they often fail in tasks requiring inferences about the underlying shape of o...

Celý popis

Podrobná bibliografie

Vydáno v:	Open mind (Cambridge, Mass.) Ročník 9; s. 305 - 324
Hlavní autoři:	O’Connell, Thomas P., Bonnen, Tyler, Friedman, Yoni, Tewari, Ayush, Sitzmann, Vincent, Tenenbaum, Joshua B., Kanwisher, Nancy
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	255 Main Street, 9th Floor, Cambridge, Massachusetts 02142, USA MIT Press 16.02.2025
Témata:	3D shape perception deep neural networks neural fields psychophysics 3D shape perception psychophysics neural fields deep neural networks
ISSN:	2470-2986, 2470-2986
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!