月別アーカイブ: 2024年7月

LightStereo: Channel Boost Is All Your Need for Efficient 2D Cost Aggregation

投稿日: 2024年7月1日 作成者: jarxiv

要約 私たちは、マッチングプロセスを加速するために作られた最先端のステレオマッチ … 続きを読む →

カテゴリー: cs.CV | LightStereo: Channel Boost Is All Your Need for Efficient 2D Cost Aggregation はコメントを受け付けていません

Kandinsky 3.0 Technical Report

投稿日: 2024年7月1日 作成者: jarxiv

要約 我々は、潜在拡散に基づく大規模なテキストから画像への生成モデルである Ka … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM | Kandinsky 3.0 Technical Report はコメントを受け付けていません

StreamMOTP: Streaming and Unified Framework for Joint 3D Multi-Object Tracking and Trajectory Prediction

投稿日: 2024年7月1日 作成者: jarxiv

要約 3D マルチオブジェクト追跡と軌道予測は、自動運転システムにおける 2 つ … 続きを読む →

カテゴリー: cs.CV, cs.RO | StreamMOTP: Streaming and Unified Framework for Joint 3D Multi-Object Tracking and Trajectory Prediction はコメントを受け付けていません

FootBots: A Transformer-based Architecture for Motion Prediction in Soccer

投稿日: 2024年7月1日 作成者: jarxiv

要約 サッカーの動き予測には、プレーヤーとボールの相互作用から複雑なダイナミクス … 続きを読む →

カテゴリー: cs.CV, cs.MA | FootBots: A Transformer-based Architecture for Motion Prediction in Soccer はコメントを受け付けていません

Mining Open Semantics from CLIP: A Relation Transition Perspective for Few-Shot Learning

投稿日: 2024年7月1日 作成者: jarxiv

要約 Contrastive Vision-Language Pre-train … 続きを読む →

カテゴリー: cs.CV | Mining Open Semantics from CLIP: A Relation Transition Perspective for Few-Shot Learning はコメントを受け付けていません

InfiniBench: A Comprehensive Benchmark for Large Multimodal Models in Very Long Video Understanding

投稿日: 2024年7月1日 作成者: jarxiv

要約 数十分から数時間にわたる長いビデオを理解することは、ビデオの理解に独特の課 … 続きを読む →

カテゴリー: cs.CV | InfiniBench: A Comprehensive Benchmark for Large Multimodal Models in Very Long Video Understanding はコメントを受け付けていません

On the Value of PHH3 for Mitotic Figure Detection on H&E-stained Images

投稿日: 2024年7月1日 作成者: jarxiv

要約 ヘマトキシリンおよびエオシン (H&E) で染色したスライドで観 … 続きを読む →

カテゴリー: cs.CV, q-bio.QM | On the Value of PHH3 for Mitotic Figure Detection on H&E-stained Images はコメントを受け付けていません

LatentExplainer: Explaining Latent Representations in Deep Generative Models with Multi-modal Foundation Models

投稿日: 2024年7月1日 作成者: jarxiv

要約 VAE や拡散モデルなどの深層生成モデルは、潜在変数を活用してデータ分布を … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG | LatentExplainer: Explaining Latent Representations in Deep Generative Models with Multi-modal Foundation Models はコメントを受け付けていません

Solving Token Gradient Conflict in Mixture-of-Experts for Large Vision-Language Model

投稿日: 2024年7月1日 作成者: jarxiv

要約 専門家混合 (MoE) は、大規模視覚言語モデル (LVLM) の研究にお … 続きを読む →

カテゴリー: cs.CV | Solving Token Gradient Conflict in Mixture-of-Experts for Large Vision-Language Model はコメントを受け付けていません

Parallax-tolerant Image Stitching via Segmentation-guided Multi-homography Warping

投稿日: 2024年7月1日 作成者: jarxiv

要約 画像間の大きな視差は、画像スティッチングにおいては解決できない問題です。 … 続きを読む →

カテゴリー: cs.CV | Parallax-tolerant Image Stitching via Segmentation-guided Multi-homography Warping はコメントを受け付けていません