月別アーカイブ: 2024年3月

GRM: Large Gaussian Reconstruction Model for Efficient 3D Reconstruction and Generation

投稿日: 2024年3月22日 作成者: jarxiv

要約 スパースビュー画像から 3D アセットを約 0.1 秒で復元できる大規模再 … 続きを読む →

カテゴリー: cs.CV | GRM: Large Gaussian Reconstruction Model for Efficient 3D Reconstruction and Generation はコメントを受け付けていません

Language Repository for Long Video Understanding

投稿日: 2024年3月22日 作成者: jarxiv

要約 マルチモーダル LLM の台頭により、言語はコンピューター ビジョンにおけ … 続きを読む →

カテゴリー: cs.CV | Language Repository for Long Video Understanding はコメントを受け付けていません

Simplified Diffusion Schrödinger Bridge

投稿日: 2024年3月22日 作成者: jarxiv

要約 このペーパーでは、スコアベースの生成モデル (SGM) との統合を促進する … 続きを読む →

カテゴリー: cs.CV, cs.LG | Simplified Diffusion Schrödinger Bridge はコメントを受け付けていません

MathVerse: Does Your Multi-modal LLM Truly See the Diagrams in Visual Math Problems?

投稿日: 2024年3月22日 作成者: jarxiv

要約 マルチモーダル大規模言語モデル (MLLM) の目覚ましい進歩は、視覚的な … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG | MathVerse: Does Your Multi-modal LLM Truly See the Diagrams in Visual Math Problems? はコメントを受け付けていません

ODTFormer: Efficient Obstacle Detection and Tracking with Stereo Cameras Based on Transformer

投稿日: 2024年3月22日 作成者: jarxiv

要約 障害物の検出と追跡は、ロボットの自律ナビゲーションにおける重要なコンポーネ … 続きを読む →

カテゴリー: cs.CV, cs.RO | ODTFormer: Efficient Obstacle Detection and Tracking with Stereo Cameras Based on Transformer はコメントを受け付けていません

LiFT: A Surprisingly Simple Lightweight Feature Transform for Dense ViT Descriptors

投稿日: 2024年3月22日 作成者: jarxiv

要約 密度の高いダウンストリーム タスクの ViT 機能のパフォーマンスを向上さ … 続きを読む →

カテゴリー: cs.CV | LiFT: A Surprisingly Simple Lightweight Feature Transform for Dense ViT Descriptors はコメントを受け付けていません

MVSplat: Efficient 3D Gaussian Splatting from Sparse Multi-View Images

投稿日: 2024年3月22日 作成者: jarxiv

要約 我々は、まばらな多視点画像から学習された効率的なフィードフォワード 3D … 続きを読む →

カテゴリー: cs.CV | MVSplat: Efficient 3D Gaussian Splatting from Sparse Multi-View Images はコメントを受け付けていません

Zero-Shot Multi-Object Shape Completion

投稿日: 2024年3月22日 作成者: jarxiv

要約 単一の RGB-D 画像から複雑なシーン内の複数のオブジェクトの完全なジオ … 続きを読む →

カテゴリー: cs.CV | Zero-Shot Multi-Object Shape Completion はコメントを受け付けていません

m&m’s: A Benchmark to Evaluate Tool-Use for multi-step multi-modal Tasks

投稿日: 2024年3月22日 作成者: jarxiv

要約 現実世界のマルチモーダルな問題は、単一の機械学習モデルで解決されることはほ … 続きを読む →

カテゴリー: cs.CL, cs.CV | m&m’s: A Benchmark to Evaluate Tool-Use for multi-step multi-modal Tasks はコメントを受け付けていません

LlamaFactory: Unified Efficient Fine-Tuning of 100+ Language Models

投稿日: 2024年3月22日 作成者: jarxiv

要約 大規模言語モデル (LLM) を下流のタスクに適応させるには、効率的な微調 … 続きを読む →

カテゴリー: cs.AI, cs.CL | LlamaFactory: Unified Efficient Fine-Tuning of 100+ Language Models はコメントを受け付けていません