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...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	Open mind (Cambridge, Mass.) Jg. 9; S. 305 - 324
Hauptverfasser:	O’Connell, Thomas P., Bonnen, Tyler, Friedman, Yoni, Tewari, Ayush, Sitzmann, Vincent, Tenenbaum, Joshua B., Kanwisher, Nancy
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	255 Main Street, 9th Floor, Cambridge, Massachusetts 02142, USA MIT Press 16.02.2025
Schlagworte:	3D shape perception deep neural networks neural fields psychophysics 3D shape perception psychophysics neural fields deep neural networks
ISSN:	2470-2986, 2470-2986
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!