-
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: 2025年1月
Long Story Short: Story-level Video Understanding from 20K Short Films
要約 視覚言語モデルの最近の開発により、ビデオの理解が大幅に進歩しました。 ただ … 続きを読む
VLM-driven Behavior Tree for Context-aware Task Planning
要約 ビヘイビア ツリー (BT) を生成するための大規模言語モデル (LLM) … 続きを読む
VideoRAG: Retrieval-Augmented Generation over Video Corpus
要約 検索拡張生成 (RAG) は、クエリに関連する外部知識を取得し、それを生成 … 続きを読む
Solving nonograms using Neural Networks
要約 ノノグラムは、ヘッダーにある数字に従って、グリッド内のセルに色を付けるか空 … 続きを読む
Gender Bias in Text-to-Video Generation Models: A case study of Sora
要約 テキストからビデオへの生成モデルの出現は、テキストのプロンプトから高品質の … 続きを読む
EDNet: Edge-Optimized Small Target Detection in UAV Imagery — Faster Context Attention, Better Feature Fusion, and Hardware Acceleration
要約 低解像度、複雑な背景、ダイナミックなシーンのため、ドローン画像内の小さなタ … 続きを読む
Affordably Fine-tuned LLMs Provide Better Answers to Course-specific MCQs
要約 教育においては、大規模言語モデル (LLM) の人間に似たテキストを生成す … 続きを読む
The New Anticipatory Governance Culture for Innovation: Regulatory Foresight, Regulatory Experimentation and Regulatory Learning
要約 技術革新の急速なペースに伴い、従来の政策形成と立法方法は著しく時代錯誤にな … 続きを読む
Towards Backdoor Stealthiness in Model Parameter Space
要約 バックドアのステルス性に関する最近の研究は、主に入力空間の区別できないトリ … 続きを読む
DiffuSETS: 12-lead ECG Generation Conditioned on Clinical Text Reports and Patient-Specific Information
要約 心臓病は依然として人間の健康に対する重大な脅威です。 非侵襲的診断ツールと … 続きを読む