id
int64
18
21.1k
created_at
timestamp[ns, tz=UTC]date
2026-02-23 07:30:20
2026-02-24 16:54:39
updated_at
timestamp[ns, tz=UTC]date
2026-02-23 08:08:14
2026-02-24 16:54:39
doc_name
stringclasses
1 value
input
stringlengths
11
9.24k
output
stringlengths
0
738
is_personal
bool
2 classes
is_sentence
bool
2 classes
is_corrected
bool
2 classes
1,907
2026-02-23T11:19:20.804000Z
2026-02-23T13:41:51.896000Z
Lec.
Трафик bit-complement (а) bit-reverse butterfly (б) и bit-rotation (в). а б
Трафик bit-complement, bit-reverse butterfly и bit-rotation.
false
true
true
1,906
2026-02-23T11:19:19.221000Z
2026-02-23T11:19:19.221000Z
Lec.
На рисунках ниже (рис. 1–2) показано графическое представление всех вариантов паттернов bit permutations на примере топологии «mesh» размером 4х4. а б в
false
true
false
1,905
2026-02-23T11:19:17.397000Z
2026-02-23T13:38:22.450000Z
Lec.
В данных формулах – количество бит в адресе получателя
В данных формулах – количество бит в адресе получателя.
false
true
true
1,904
2026-02-23T11:19:15.840000Z
2026-02-23T11:19:15.840000Z
Lec.
Bit rotation
false
false
false
1,903
2026-02-23T11:19:14.224000Z
2026-02-23T11:19:14.224000Z
Lec.
Bit-reverse (butterfly)
false
false
false
1,902
2026-02-23T11:19:12.670000Z
2026-02-23T11:19:12.670000Z
Lec.
Bit complement
false
false
false
1,901
2026-02-23T11:19:11.173000Z
2026-02-23T11:19:11.173000Z
Lec.
Варианты трафика bit permutations
false
true
false
1,900
2026-02-23T11:19:09.564000Z
2026-02-23T13:38:44.068000Z
Lec.
Отдельного упоминания требует трафик butterfly [5,6]: он упоминается во многих источниках, как отдельный профиль, не относящийся к bit permutations, но он является профилем типа bit-reverse, у которого есть еще имя butterfly
Отдельного упоминания требует трафик Butterfly [5,6]: он упоминается во многих источниках, как отдельный профиль, не относящийся к bit permutations, но он является профилем типа bit-reverse, у которого есть еще имя butterfly.
false
true
true
1,899
2026-02-23T11:19:08.022000Z
2026-02-23T11:19:08.022000Z
Lec.
Все варианты такого трафика и их математические описания приведены в таблице (табл. 1)
false
true
false
1,898
2026-02-23T11:19:06.278000Z
2026-02-23T11:19:06.278000Z
Lec.
Для профилей данного типа выполняются зависимости (2) и (3):. , (2). , (3). где – бит получателя с номером , – бит отправителя с номером
false
true
false
1,897
2026-02-23T11:19:04.529000Z
2026-02-23T15:55:47.788000Z
Lec.
Bit permutations (перестановки битов) [1]
Битовые перестановки [1]
false
true
true
1,896
2026-02-23T11:19:02.833000Z
2026-02-23T11:19:02.833000Z
Lec.
Такой трафик возникает и при работе реальных приложений и наносит существенный ущерб быстродействию системы, т.к. горячие точки понижают эффективную пропускную способность сети [4]
false
true
false
1,895
2026-02-23T11:19:00.953000Z
2026-02-23T11:19:00.953000Z
Lec.
Еще одним вариантом такого профиля является трафик «случайные горячие точки», при котором возникает множество горячих точек в разных местах сети
false
true
false
1,894
2026-02-23T11:18:59.311000Z
2026-02-23T11:18:59.311000Z
Lec.
Такой трафик взят из примера реальной работы СтнК, где зачастую у одного из краев чипа находятся модули памяти или блоки GPIO, поэтому нагрузка на близлежащие ядра повышается и возникает активный край [3]
false
true
false
1,893
2026-02-23T11:18:57.451000Z
2026-02-23T11:18:57.451000Z
Lec.
В реальных топологиях редко встречаются прямые вертикальные или горизонтальные линии, горячий край является набором из нескольких горячих точек
false
true
false
1,892
2026-02-23T11:18:55.867000Z
2026-02-23T13:49:23.724000Z
Lec.
Деление на две группы многоточечных профилей Hotspot применяется только для топологий типа «mesh», где ядра расположены под прямым углом друг к другу
Деление на две группы многоточных профилей Hotspot применяется только для топологий типа «mesh», где ядра расположены под прямым углом друг к другу
false
true
true
1,891
2026-02-23T11:18:54.296000Z
2026-02-23T11:18:54.296000Z
Lec.
Horizontal (горизонтальный)
false
true
false
1,890
2026-02-23T11:18:52.651000Z
2026-02-23T13:30:11.574000Z
Lec.
Vertical (вертикальный);
Вертикальный;
false
true
true
1,889
2026-02-23T11:18:51.088000Z
2026-02-23T11:18:51.088000Z
Lec.
Трафик с горячими краями бывает двух видов:
false
true
false
1,888
2026-02-23T11:18:49.584000Z
2026-02-23T13:32:04.906000Z
Lec.
Center (центральная): активное ядро находится в центре топологии (имеет много соседей и равное расстояние до крайних точек)
Центр (центрального): активное ядро находится в центре топологии (имеет много соседей и равное расстояние до крайних точек)
false
true
true
1,887
2026-02-23T11:18:47.846000Z
2026-02-23T11:18:47.846000Z
Lec.
Internal (внутренняя): активное ядро находится не на грани топологии (имеет много соседей);
false
true
false
1,886
2026-02-23T11:18:46.169000Z
2026-02-23T13:34:35.404000Z
Lec.
Corner (угловая): активное ядро находится на грани топологии (имеет мало соседей);
Corner (угловая): активное ядро находится на грани топологии (имеет мало соседей).
false
true
true
1,885
2026-02-23T11:18:44.541000Z
2026-02-23T11:18:44.541000Z
Lec.
Варианты с одной горячей точкой:
false
true
false
1,884
2026-02-23T11:18:42.794000Z
2026-02-23T13:42:01.307000Z
Lec.
Разновидности трафика Hotspot делятся по количеству «привилегированных» узлов и их расположению
Разновидности трафика Hotspot делятся по количеству «привилегированных» узлов и их расположению.
false
true
true
1,883
2026-02-23T11:18:41.116000Z
2026-02-23T17:06:30.617000Z
Lec.
Возможны профили как с одной, так и с несколькими горячими точками, и даже с «горячими краями»
Возможны профили как с одной, так и с несколькими горячими точками, а также с «горячими зонами»
false
true
true
1,882
2026-02-23T11:18:39.317000Z
2026-02-23T11:18:39.317000Z
Lec.
Горячие точки (hotspots) – узлы с повышенным количеством входных пакетов [3]
false
true
false
1,881
2026-02-23T11:18:37.414000Z
2026-02-23T11:18:37.414000Z
Lec.
Hotspot (горячая точка)
false
false
false
1,880
2026-02-23T11:18:35.874000Z
2026-02-23T17:32:51.452000Z
Lec.
Выбор конкретных узлов и вероятностей не ограничен
Выбор конкретных узлов и вероятностей не ограничен.
false
true
true
1,879
2026-02-23T11:18:34.273000Z
2026-02-23T13:33:42.656000Z
Lec.
Взвешенный случайный трафик возникает, когда определенным узлам задается повышенная вероятность получения пакетов [2]
Случайный трафик возникает, когда определенным узлам задается повышенная вероятность получения пакетов.
false
true
true
1,878
2026-02-23T11:18:32.492000Z
2026-02-23T11:18:32.492000Z
Lec.
В случайном неоднородном трафике узлы, ближайшие к источникам данных, имеют высший приоритет, чем удаленные получатели
false
true
false
1,877
2026-02-23T11:18:30.932000Z
2026-02-23T11:18:30.932000Z
Lec.
То есть выбор всех адресатов равновероятен
false
true
false
1,876
2026-02-23T11:18:29.233000Z
2026-02-23T13:39:02.568000Z
Lec.
При случайном однородном трафике вероятность отправки пакета в каждое ядро равна (1) [1]:. , (1). где – вероятность отправки пакета в узел с номером ;. – количество узлов в топологии
При случайном одинаковый трафике вероятность отправки пакета в каждое узел равна (1) [1]:, (1). где – вероятность отправки пакета в узел с номером ;. – количество узлов в топологии
false
true
true
1,875
2026-02-23T11:18:27.524000Z
2026-02-23T15:59:36.090000Z
Lec.
Weighted random (взвешенный случайный)
Weighted random sampling
false
true
true
1,874
2026-02-23T11:18:25.740000Z
2026-02-23T11:18:25.740000Z
Lec.
Random Non-uniform (случайный неоднородный);
false
true
false
1,873
2026-02-23T11:18:24.105000Z
2026-02-23T18:06:52.673000Z
Lec.
Random Uniform (случайный однородный);
Случайно-однородный.
false
true
true
1,872
2026-02-23T11:18:22.566000Z
2026-02-23T11:18:22.566000Z
Lec.
Существует три вида такого трафика:
false
true
false
1,871
2026-02-23T11:18:17.637000Z
2026-02-23T11:18:17.637000Z
Lec.
Случайный трафик является одним из главных искусственных профилей
false
true
false
1,870
2026-02-23T11:18:15.803000Z
2026-02-23T11:18:15.803000Z
Lec.
Random (случайные)
false
false
false
1,869
2026-02-23T11:18:14.443000Z
2026-02-23T11:18:14.443000Z
Lec.
Синтетические профили трафика
false
true
false
1,868
2026-02-23T11:18:12.813000Z
2026-02-23T11:18:12.813000Z
Lec.
Реалистичные профили возникают при работе реальных приложений или при выполнении программ, симулирующих определенные процессы
false
true
false
1,867
2026-02-23T11:18:11.118000Z
2026-02-23T11:18:11.118000Z
Lec.
Синтетические профили искусственно созданы для тестирования сетей и теоретических расчетов;
false
true
false
1,866
2026-02-23T11:18:09.311000Z
2026-02-23T11:18:09.311000Z
Lec.
Все существующие паттерны сетевого трафика в СтнК делятся на две крупные категории:
false
true
false
1,865
2026-02-23T11:18:07.637000Z
2026-02-23T11:18:07.637000Z
Lec.
Обзор и классификация профилей трафика
false
true
false
1,864
2026-02-23T11:18:05.557000Z
2026-02-23T11:18:05.557000Z
Lec.
Библиотека является универсальной, расширяемой и простой в применении
false
true
false
1,863
2026-02-23T11:18:03.846000Z
2026-02-23T11:18:03.846000Z
Lec.
Такая библиотека позволила бы сократить усилия и увеличить возможности при тестировании СтнК, т.к. она позволяет быстро загружать разные виды трафика и наглядно изучать планируемые нагрузки на графиках
false
true
false
1,862
2026-02-23T11:18:01.956000Z
2026-02-23T13:50:42.107000Z
Lec.
Одной из целей работы является создание библиотеки функций для генерации синтетических паттернов и их переноса на реальные системы
Одной из целей работы является создание библиотеки функций для генерации синтетических паттернов и их перенос на реальные системы.
false
true
true
1,861
2026-02-23T11:18:00.217000Z
2026-02-23T11:18:00.217000Z
Lec.
Данная область имеет высокую актуальность и позволяет создавать новые профили трафика
false
true
false
1,860
2026-02-23T11:17:58.438000Z
2026-02-23T11:17:58.438000Z
Lec.
Предлагается несколько новых вариантов распределения трафика и способов его генерации при помощи нейронных сетей
false
true
false
1,859
2026-02-23T11:17:56.814000Z
2026-02-23T11:17:56.814000Z
Lec.
Показаны их преимущества и недостатки и сделаны предположения о дальнейшем развитии данной области
false
true
false
1,858
2026-02-23T11:17:55.102000Z
2026-02-23T17:15:02.695000Z
Lec.
В работе приводится обзор существующих бенчмарков для СтнК (программ для вычисления производительности сетей и оценки их масштабируемости)
В работе приводится обзор существующих бенчмарков для Сетей Классификации (программ для вычисления производительности сетей и оценки их масштабируемости)
false
true
true
1,857
2026-02-23T11:17:53.380000Z
2026-02-23T13:31:48.653000Z
Lec.
В разных топологиях наблюдается рост или снижение производительности в зависимости от вида трафика, поэтому необходимо исследовать влияние различного поведения пакетов на планируемую топологию при проектировании сети
При проектировании сети необходимо исследовать влияние различных поведений пакетов на планируемую топологию, поскольку производительность сети может изменяться в зависимости от вида трафика в разных топологиях.
false
true
true
1,856
2026-02-23T11:17:51.506000Z
2026-02-23T13:31:33.428000Z
Lec.
Понимание различных профилей трафика необходимо для понимания всех возможных нагрузок на СтнК в процессе эксплуатации
Понимание различных профилей трафика необходимо для понимания всех возможных нагрузок на СТНК в процессе эксплуатации.
false
true
true
1,855
2026-02-23T11:17:49.566000Z
2026-02-23T13:47:31.374000Z
Lec.
В данной работе приводится обзор существующих профилей трафика и их подробная классификация
В данной работе приводится обзор существующих профилей трафика и их подробная классификация.
false
true
true
1,854
2026-02-23T11:17:47.145000Z
2026-02-23T17:21:19.189000Z
Lec.
Профиль трафика показывает общую картину перемещения пакетов в СтнК и степень загрузки отдельных ядер и частей системы
Профиль трафика показывает общую картину перемещения пакетов в Сетевом Кластере и степень загрузки отдельных ядер и частей системы.
false
true
true
1,853
2026-02-23T11:17:45.280000Z
2026-02-23T11:17:45.280000Z
Lec.
Профиль трафика в сети на кристалле представляет собой набор закономерностей, по которым происходят передачи в сети
false
true
false
1,852
2026-02-23T11:17:43.527000Z
2026-02-23T11:17:43.527000Z
Lec.
При проектировании и запуске СтнК для правильной настройки распределения пакетов важно понимать, как сеть реагирует на различные комбинации отправителей и получателей пакетов
false
true
false
1,851
2026-02-23T11:17:41.691000Z
2026-02-23T13:46:03.341000Z
Lec.
Их задачей является эффективное распределение потоков данных для сохранения скорости работы сети и предотвращения простоев
Их задачей является эффективное распределение потоков данных для сохранения скорости работы сети и предотвращения простоев в работе.
false
true
true
1,850
2026-02-23T11:17:39.809000Z
2026-02-23T18:25:00.123000Z
Lec.
За перемещение пакетов внутри сети отвечают специальные блоки, которые называются маршрутизаторы
За перемещение пакетов внутри сети отвечают специальные блоки, которые называются маршрутизаторы.
false
true
true
1,849
2026-02-23T11:17:38.176000Z
2026-02-23T11:17:38.176000Z
Lec.
Маршрутизация и доставка пакетов данных в СтнК является важной задачей, т.к. тратится существенное количество времени и аппаратных ресурсов
false
true
false
1,848
2026-02-23T11:17:36.109000Z
2026-02-23T11:17:36.109000Z
Lec.
Ядра выполняют операции обособленно и обмениваются данными при помощи подсистемы связи, организованной в виде маршрутизаторов, соединенных короткими связями
false
true
false
1,847
2026-02-23T11:17:34.370000Z
2026-02-23T16:41:52.695000Z
Lec.
Сеть на кристалле (СтнК) – многоядерная вычислительная система, расположенная на одном чипе
Сеть на кристалле (СтнК) – многоядерная вычислительная система, расположенная на одном чипе.
false
true
true
1,846
2026-02-23T11:17:32.521000Z
2026-02-23T11:17:32.521000Z
Lec.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 40
false
false
false
1,845
2026-02-23T11:17:30.555000Z
2026-02-23T11:17:30.555000Z
Lec.
ЗАКЛЮЧЕНИЕ 39
false
false
false
1,844
2026-02-23T11:17:29.019000Z
2026-02-23T11:17:29.019000Z
Lec.
Бенчмарк SLALOM 29. 3.2 Бенчмарки для квантовых компьютеров 30. 3.3 Бенчмарки Интернета вещей 32. 3.4 Использование глубоких нейронных сетей в СтнК 34. 3.5 Генерация трафика с помощью нейронных сетей 37. 3.6 Выводы к разделу 3 38
false
false
false
1,843
2026-02-23T11:17:26.945000Z
2026-02-23T11:17:26.945000Z
Lec.
Бенчмарки HPL и HPCG 29
false
false
false
1,842
2026-02-23T11:17:25.127000Z
2026-02-23T11:17:25.127000Z
Lec.
Трафик, генерируемый отдельными приложениями 17. 1.3 Итоговая классификация реалистичных профилей 20. 1.4 Выводы к разделу 1 21. 2 Анализ бенчмарков и обзор способов генерации трафика в СтнК 22. 2.1 Stanford ParalleL Applications for SHared memory 22. 2.2 Princeton Application Repository for Shared-Memory Computers 24. 2.3 Multi-constraint system-level traffic suite 25. 2.4 LMbench 26. 2.5 Standards Performance Evaluation Corporation CPU benchmark 26. 2.6 Выводы к разделу 2 27. 3 Потенциальные новые бенчмарки и профили трафика 29. 3.1 Бенчмарки для суперкомпьютеров 29
false
false
false
1,841
2026-02-23T11:17:22.944000Z
2026-02-23T16:47:54.037000Z
Lec.
Трафик, генерируемый с помощью бенчмарков 14
Трафик, генерируемый с помощью бенчмарков.
false
true
true
1,840
2026-02-23T11:17:20.942000Z
2026-02-23T11:17:20.942000Z
Lec.
ВВЕДЕНИЕ 6. 1 Обзор и классификация профилей трафика 8. 1.1 Синтетические профили трафика 8. 1.2 Реалистичные профили трафика 13
false
false
false
1,839
2026-02-23T11:17:18.836000Z
2026-02-23T18:27:16.549000Z
Lec.
It is also necessary to analyze existing benchmarks and develop a library to generate core traffic patterns and transfer the prepared data to the NoCfor modeling and verification purposes
It is also necessary to analyze existing benchmarks and develop a library to generate core traffic patterns and transfer the prepared data to the NoC for modeling and verification purposes.
false
true
true
1,838
2026-02-23T11:17:17.063000Z
2026-02-23T11:17:17.063000Z
Lec.
The aim of the work is to study and classify known traffic patterns and to propose new possible patterns of communication between the cores of NoCs
false
true
false
1,837
2026-02-23T11:17:15.451000Z
2026-02-23T11:17:15.451000Z
Lec.
The relevance of this work stems from the fact that traffic patterns in NoCs are poorly understood and lack any general classification, and there are no universal generators and benchmarks for synthetic patterns
false
true
false
1,836
2026-02-23T11:17:13.839000Z
2026-02-23T11:17:13.839000Z
Lec.
A critical aspect of NoCs is the interaction between computational cores, including patterns by which cores exchange data
false
true
false
1,835
2026-02-23T11:17:11.935000Z
2026-02-23T16:05:29.043000Z
Lec.
Networks-on-chip (NoCs) have already become widespread and are used in many applications
Networks-on-chip (NoCs) have already become widespread and are used in many applications.
false
true
true
1,834
2026-02-23T11:17:10.183000Z
2026-02-23T17:26:54.659000Z
Lec.
Также необходимо провести анализ существующих бенчмарков и разработать библиотеку, которая бы позволила генерировать основные профили трафика и передавать подготовленные данные в сеть на кристалле для запуска и тестирования
Также необходимо провести анализ существующих бенчмарков и разработать библиотеку, которая позволила бы генерировать основные профили трафика и передавать подготовленные данные в сеть на кристалле для запуска и тестирования.
false
true
true
1,833
2026-02-23T11:17:08.570000Z
2026-02-23T11:17:08.570000Z
Lec.
Целью работы является изучение и классификация известных профилей трафика данных, а также предложение новых возможных закономерностей в коммуникации между ядрами СтнК
false
true
false
1,832
2026-02-23T11:17:06.822000Z
2026-02-23T11:17:06.822000Z
Lec.
Актуальность данной работы обусловлена тем, что профили трафика в СтнК мало изучены и не имеют никакой общей классификации, а также не существует универсальных генераторов и бенчмарков для синтетических профилей
false
true
false
1,831
2026-02-23T11:17:04.996000Z
2026-02-23T11:17:04.996000Z
Lec.
Критически важным аспектом при использовании сетей на кристалле является взаимодействие между вычислительными ядрами, в том числе закономерности, по которым ядра обмениваются данными
false
true
false
1,830
2026-02-23T11:17:03.235000Z
2026-02-23T11:17:03.235000Z
Lec.
Сети на кристалле (СтнК) уже получили широкое распространение и применяются во многих сферах
false
true
false
1,829
2026-02-23T11:17:01.413000Z
2026-02-23T11:17:01.413000Z
Lec.
ТЗ с подписями, скан
false
false
false
1,828
2026-02-23T11:16:59.617000Z
2026-02-23T11:16:59.617000Z
Lec.
ЗАДАНИЕ НА ВКР
false
false
false
1,827
2026-02-23T11:16:58.149000Z
2026-02-23T11:16:58.149000Z
Lec.
Москва 2025 г
false
false
false
1,826
2026-02-23T11:16:56.474000Z
2026-02-23T11:16:56.474000Z
Lec.
Консультант. ученая степень, звание (при наличии). ____________________
false
true
false
1,825
2026-02-23T11:16:54.593000Z
2026-02-23T11:16:54.593000Z
Lec.
Романов. подпись И.О
true
true
false
1,824
2026-02-23T11:16:52.881000Z
2026-02-23T11:16:52.881000Z
Lec.
Руководитель. д.т.н., доцент МИЭМ НИУ ВШЭ. ____________________ А.Ю
true
true
false
1,823
2026-02-23T11:16:51.170000Z
2026-02-23T18:18:17.655000Z
Lec.
Рецензент. ученая степень, звание (при наличии). ___________________
Рецензент. ученая степень, звание (при наличии).
false
true
true
1,822
2026-02-23T11:16:49.272000Z
2026-02-23T11:16:49.272000Z
Lec.
Маликов. подпись И.О
true
false
false
1,821
2026-02-23T11:16:47.498000Z
2026-02-23T11:16:47.498000Z
Lec.
Студент ___________________ М.А
true
true
false
1,820
2026-02-23T11:16:45.959000Z
2026-02-23T11:16:45.959000Z
Lec.
Выпускная квалификационная работа. по направлению 09.03.01 Информатика и вычислительная техника. студентов образовательной программы бакалавриата «Информатика и вычислительная техника»
false
true
false
1,819
2026-02-23T11:16:44.158000Z
2026-02-23T11:16:44.158000Z
Lec.
Исследование профилей трафика в сетях на кристалле
false
true
false
1,818
2026-02-23T11:16:42.238000Z
2026-02-23T11:16:42.238000Z
Lec.
Маликов Михаил Алексеевич, группа БИВ214
true
true
false
1,817
2026-02-23T11:16:34.946000Z
2026-02-23T11:16:34.946000Z
Lec.
Москва, 2025.
false
false
false
1,816
2026-02-23T11:16:33.153000Z
2026-02-23T11:16:33.153000Z
Lec.
Wen, “UAV-Based Visual Navigation for Urban Search and Rescue in Post-Disaster Areas A 2024 Istan- bul Case Study,” Nov. 2024, doi: 10.31219/OSF.IO/S2PHX.
false
false
false
1,815
2026-02-23T11:16:31.078000Z
2026-02-23T11:16:31.078000Z
Lec.
Hong, and J
false
false
false
1,814
2026-02-23T11:16:29.272000Z
2026-02-23T16:19:44.159000Z
Lec.
Sun, “A Review of Electric UAV Visual Detection and Navigation Technologies for Emergency Rescue Missions,” Sustain. , vol. 16, no. 5, Mar. 2024, doi: 10.3390/SU16052105. [25] L
Sun, “A Review of Electric UAV Visual Detection and Navigation Technologies for Emergency Rescue Missions,” Sustain., vol. 16, no. 5, Mar. 2024, doi: 10.3390/SU16052105.[25] L.
false
true
true
1,813
2026-02-23T11:16:27.140000Z
2026-02-23T11:16:27.140000Z
Lec.
Eng., 2010, doi: 10.3169/itej.64.315. [23] Zulko, “MoviePy,” MIT Licence. [24] P
false
false
false
1,812
2026-02-23T11:16:25.107000Z
2026-02-23T11:16:25.107000Z
Lec.
Tsutsuguhi, “FFmpeg,” Kyokai Joho Imeji Zasshi/Journal Inst
false
false
false
1,811
2026-02-23T11:16:23.219000Z
2026-02-23T13:41:21.269000Z
Lec.
Howse, OpenCV Computer Vision with Python. 2013. [22] K
House, OpenCV Computer Vision with Python. 2013. [22] K
false
true
true
1,810
2026-02-23T11:16:21.287000Z
2026-02-23T11:16:21.287000Z
Lec.
Available: https://arxiv.org/abs/2405.12979v1. [21] J
false
true
false
1,809
2026-02-23T11:16:19.255000Z
2026-02-23T11:16:19.255000Z
Lec.
Araujo, “OmniGlue: Generalizable Feature Matching with Foundation Model Guidance,” May 2024, Accessed: Feb. 24, 2025. [Online]
false
true
false
1,808
2026-02-23T11:16:17.094000Z
2026-02-23T11:16:17.094000Z
Lec.
Huang, and A
false
true
false