-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
月別アーカイブ: 2024年8月
NuSegDG: Integration of Heterogeneous Space and Gaussian Kernel for Domain-Generalized Nuclei Segmentation
要約 ドメイン一般化された核セグメンテーションは、ソース ドメインから学習した知 … 続きを読む
DreamFactory: Pioneering Multi-Scene Long Video Generation with a Multi-Agent Framework
要約 現在のビデオ生成モデルは、短くてリアルなクリップの作成には優れていますが、 … 続きを読む
カテゴリー: cs.AI, cs.CL, cs.CV, cs.SE, TsingHua University
DreamFactory: Pioneering Multi-Scene Long Video Generation with a Multi-Agent Framework はコメントを受け付けていません
EE-MLLM: A Data-Efficient and Compute-Efficient Multimodal Large Language Model
要約 マルチモーダル研究の分野では、多くの研究が実質的な画像とテキストのペアを活 … 続きを読む
カテゴリー: cs.CV
EE-MLLM: A Data-Efficient and Compute-Efficient Multimodal Large Language Model はコメントを受け付けていません
Story3D-Agent: Exploring 3D Storytelling Visualization with Large Language Models
要約 従来のビジュアルストーリーテリングは複雑であり、専門的な知識と多大なリソー … 続きを読む
カテゴリー: cs.CV
Story3D-Agent: Exploring 3D Storytelling Visualization with Large Language Models はコメントを受け付けていません
ACE: A Cross-Platform Visual-Exoskeletons System for Low-Cost Dexterous Teleoperation
要約 デモンストレーションから学習することは、特に遠隔操作システムで最近収集され … 続きを読む
Pixel Is Not A Barrier: An Effective Evasion Attack for Pixel-Domain Diffusion Models
要約 拡散モデルは、高品質の画像合成のための強力な生成モデルとして登場し、その後 … 続きを読む
カテゴリー: cs.CV
Pixel Is Not A Barrier: An Effective Evasion Attack for Pixel-Domain Diffusion Models はコメントを受け付けていません
EmbodiedSAM: Online Segment Any 3D Thing in Real Time
要約 具現化されたタスクでは、エージェントが探索と同時に 3D シーンを完全に理 … 続きを読む
SEA: Supervised Embedding Alignment for Token-Level Visual-Textual Integration in MLLMs
要約 マルチモーダル大規模言語モデル (MLLM) は、最近、顕著な知覚能力と推 … 続きを読む
カテゴリー: cs.CV
SEA: Supervised Embedding Alignment for Token-Level Visual-Textual Integration in MLLMs はコメントを受け付けていません
SynPlay: Importing Real-world Diversity for a Synthetic Human Dataset
要約 現実世界における人間の外見の多様性を引き出すことを目的とした、新しい合成人 … 続きを読む
カテゴリー: cs.CV
SynPlay: Importing Real-world Diversity for a Synthetic Human Dataset はコメントを受け付けていません
GRAB: A Challenging GRaph Analysis Benchmark for Large Multimodal Models
要約 大規模マルチモーダル モデル (LMM) は、多くの視覚的なタスクにわたっ … 続きを読む
カテゴリー: cs.CV
GRAB: A Challenging GRaph Analysis Benchmark for Large Multimodal Models はコメントを受け付けていません