月別アーカイブ: 2024年8月

Generalizing Visual Question Answering from Synthetic to Human-Written Questions via a Chain of QA with a Large Language Model

投稿日: 2024年8月23日 作成者: jarxiv

要約 ビジュアル質問応答 (VQA) は、画像が与えられ、その画像について一連の … 続きを読む →

カテゴリー: cs.CL, cs.CV | Generalizing Visual Question Answering from Synthetic to Human-Written Questions via a Chain of QA with a Large Language Model はコメントを受け付けていません

SiNGR: Brain Tumor Segmentation via Signed Normalized Geodesic Transform Regression

投稿日: 2024年8月23日 作成者: jarxiv

要約 脳腫瘍のセグメンテーションにおける主な課題の 1 つは、腫瘍境界に近いボク … 続きを読む →

カテゴリー: cs.CV | SiNGR: Brain Tumor Segmentation via Signed Normalized Geodesic Transform Regression はコメントを受け付けていません

Comparing YOLOv5 Variants for Vehicle Detection: A Performance Analysis

投稿日: 2024年8月23日 作成者: jarxiv

要約 車両の検出は、交通および自動運転車両の管理において重要なタスクです。 この … 続きを読む →

カテゴリー: cs.CV | Comparing YOLOv5 Variants for Vehicle Detection: A Performance Analysis はコメントを受け付けていません

Pruning By Explaining Revisited: Optimizing Attribution Methods to Prune CNNs and Transformers

投稿日: 2024年8月23日 作成者: jarxiv

要約 より複雑な問題を解決するために、ディープ ニューラル ネットワークは数十億 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | Pruning By Explaining Revisited: Optimizing Attribution Methods to Prune CNNs and Transformers はコメントを受け付けていません

Sapiens: Foundation for Human Vision Models

投稿日: 2024年8月23日 作成者: jarxiv

要約 我々は、人間中心の 4 つの基本的な視覚タスク (2D 姿勢推定、身体部分 … 続きを読む →

カテゴリー: cs.CV | Sapiens: Foundation for Human Vision Models はコメントを受け付けていません

MuMA-ToM: Multi-modal Multi-Agent Theory of Mind

投稿日: 2024年8月23日 作成者: jarxiv

要約 複雑な現実世界のシナリオにおける人々の社会的相互作用を理解するには、多くの … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG | MuMA-ToM: Multi-modal Multi-Agent Theory of Mind はコメントを受け付けていません

Enhanced Parking Perception by Multi-Task Fisheye Cross-view Transformers

投稿日: 2024年8月23日 作成者: jarxiv

要約 現在の駐車エリア認識アルゴリズムは、主に限られた範囲内の空きスロットを検出 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Enhanced Parking Perception by Multi-Task Fisheye Cross-view Transformers はコメントを受け付けていません

Real-Time Video Generation with Pyramid Attention Broadcast

投稿日: 2024年8月23日 作成者: jarxiv

要約 私たちは、DiT ベースのビデオ生成のためのリアルタイム、高品質、トレーニ … 続きを読む →

カテゴリー: cs.CV, cs.DC | Real-Time Video Generation with Pyramid Attention Broadcast はコメントを受け付けていません

xGen-VideoSyn-1: High-fidelity Text-to-Video Synthesis with Compressed Representations

投稿日: 2024年8月23日 作成者: jarxiv

要約 テキストの説明からリアルなシーンを生成できるテキストからビデオ (T2V) … 続きを読む →

カテゴリー: cs.AI, cs.CV | xGen-VideoSyn-1: High-fidelity Text-to-Video Synthesis with Compressed Representations はコメントを受け付けていません

Automating Deformable Gasket Assembly

投稿日: 2024年8月23日 作成者: jarxiv

要約 ガスケットの組み立てでは、変形可能なガスケットを狭いチャネルに位置合わせし … 続きを読む →

カテゴリー: cs.CV, cs.RO | Automating Deformable Gasket Assembly はコメントを受け付けていません