月別アーカイブ: 2025年1月

MoColl: Agent-Based Specific and General Model Collaboration for Image Captioning

投稿日: 2025年1月6日 作成者: jarxiv

要約 画像のキャプション付けは、コンピュータビジョンと自然言語処理の交差点に位置 … 続きを読む →

カテゴリー: cs.AI, cs.CV | MoColl: Agent-Based Specific and General Model Collaboration for Image Captioning はコメントを受け付けていません

Dedicated Inference Engine and Binary-Weight Neural Networks for Lightweight Instance Segmentation

投稿日: 2025年1月6日 作成者: jarxiv

要約 組込みシステムの開発において、計算コストの削減は重要な課題である。重みを2 … 続きを読む →

カテゴリー: cs.AR, cs.CV | Dedicated Inference Engine and Binary-Weight Neural Networks for Lightweight Instance Segmentation はコメントを受け付けていません

TAB: Transformer Attention Bottlenecks enable User Intervention and Debugging in Vision-Language Models

投稿日: 2025年1月6日 作成者: jarxiv

要約 マルチヘッド自己注意（MHSA）は、言語と視覚の両方で広く普及しているアー … 続きを読む →

カテゴリー: cs.CV | TAB: Transformer Attention Bottlenecks enable User Intervention and Debugging in Vision-Language Models はコメントを受け付けていません

Generic Objects as Pose Probes for Few-shot View Synthesis

投稿日: 2025年1月6日 作成者: jarxiv

要約 NeRFや3Dガウシアンを含む輝度場は、忠実度の高いレンダリングやシーン再 … 続きを読む →

カテゴリー: cs.CV | Generic Objects as Pose Probes for Few-shot View Synthesis はコメントを受け付けていません

UAV-DETR: Efficient End-to-End Object Detection for Unmanned Aerial Vehicle Imagery

投稿日: 2025年1月6日 作成者: jarxiv

要約 無人航空機による物体検出（UAV-OD）は、様々な場面で広く利用されている … 続きを読む →

カテゴリー: cs.CV | UAV-DETR: Efficient End-to-End Object Detection for Unmanned Aerial Vehicle Imagery はコメントを受け付けていません

ViiNeuS: Volumetric Initialization for Implicit Neural Surface reconstruction of urban scenes with limited image overlap

投稿日: 2025年1月6日 作成者: jarxiv

要約 最近、ニューラル暗黙的表面表現法は、3D再構成において素晴らしい結果を示し … 続きを読む →

カテゴリー: cs.CV | ViiNeuS: Volumetric Initialization for Implicit Neural Surface reconstruction of urban scenes with limited image overlap はコメントを受け付けていません

Towards Hard and Soft Shadow Removal via Dual-Branch Separation Network and Vision Transformer

投稿日: 2025年1月6日 作成者: jarxiv

要約 画像の影除去は、コンピュータ・ビジョンにおいて極めて重要なタスクである。実 … 続きを読む →

カテゴリー: cs.CV, I.2.10 | Towards Hard and Soft Shadow Removal via Dual-Branch Separation Network and Vision Transformer はコメントを受け付けていません

Metric3Dv2: A Versatile Monocular Geometric Foundation Model for Zero-shot Metric Depth and Surface Normal Estimation

投稿日: 2025年1月6日 作成者: jarxiv

要約 我々はMetric3D v2を紹介する。Metric3D v2は、1枚の画 … 続きを読む →

カテゴリー: cs.CV | Metric3Dv2: A Versatile Monocular Geometric Foundation Model for Zero-shot Metric Depth and Surface Normal Estimation はコメントを受け付けていません

PB-UAP: Hybrid Universal Adversarial Attack For Image Segmentation

投稿日: 2025年1月6日 作成者: jarxiv

要約 ディープラーニングの急速な進歩に伴い、モデルのロバスト性が重要な研究ホット … 続きを読む →

カテゴリー: cs.AI, cs.CV | PB-UAP: Hybrid Universal Adversarial Attack For Image Segmentation はコメントを受け付けていません

ANTHROPOS-V: benchmarking the novel task of Crowd Volume Estimation

投稿日: 2025年1月6日 作成者: jarxiv

要約 RGB画像のみを用いて群衆の体積を推定するプロセスとして定義される、群衆体 … 続きを読む →

カテゴリー: cs.CV | ANTHROPOS-V: benchmarking the novel task of Crowd Volume Estimation はコメントを受け付けていません