Rozpoznawanie zawartości i struktury obrazu oraz wideo: co jest na obrazie, gdzie to jest, jaki ma kształt i jak się porusza. Generowanie obrazu, 3D i modele obraz–tekst mają osobne węzły obok.
Recognising content and structure in images and video: what is in the picture, where it is, what shape it has and how it moves. Image generation, 3D and vision–language models have their own sibling nodes.
In one sentence
To uczenie programów rozpoznawania, co widać na zdjęciach i filmach, gdzie to jest i jak się porusza.
This teaches software to recognise what appears in photos and videos, where it is and how it moves.
Problem it solves
Nie możesz ręcznie obejrzeć wszystkich zdjęć ani stale śledzić obrazu z kamer.
You cannot inspect every photo by hand or watch camera feeds constantly.
What it does
Model łączy wzory kolorów i kształtów z poznanymi obiektami, a kolejne klatki pozwalają mu analizować ruch.
A model connects colour and shape patterns to familiar objects, while successive frames let it analyse movement.
Everyday example
Kamera nad taśmą produkcyjną pomaga wykryć uszkodzone opakowanie i wskazuje jego położenie.
A camera above a conveyor helps detect a damaged package and shows its position.
This concerns you if you…
przeglądasz dużo zdjęć lub filmów
potrzebujesz automatycznego sprawdzania obrazu z kamery
review many photos or videos
need automated checks of camera images
Examples
Klasyfikacja · detekcja · segmentacja · poza · wideo · ViT
Classification · detection · segmentation · pose · video · ViT
Subtopics
Detekcja obiektów (Object detection): Finding objects in an image: a bounding box plus a class for each object. Usually evaluated with IoU and mAP.
Klasyfikacja obrazów (Image classification): Assigning one or more labels to a whole image (e.g. “cat”, “defective product”). It is one of the foundational computer-vision tasks.
Vision Transformer (ViT): A transformer applied to an image split into patches treated as tokens; a major family of vision architectures alongside convolutional networks.