月別アーカイブ: 2025年1月

SeFAR: Semi-supervised Fine-grained Action Recognition with Temporal Perturbation and Learning Stabilization

投稿日: 2025年1月5日 作成者: jarxiv

要約 人間の行動理解は、マルチモーダルシステムの進歩にとって極めて重要である。強 … 続きを読む →

カテゴリー: cs.CV, cs.LG | SeFAR: Semi-supervised Fine-grained Action Recognition with Temporal Perturbation and Learning Stabilization はコメントを受け付けていません

Detail Matters: Mamba-Inspired Joint Unfolding Network for Snapshot Spectral Compressive Imaging

投稿日: 2025年1月5日 作成者: jarxiv

要約 コード化開口スナップショットスペクトルイメージングシステムにおいて、ディー … 続きを読む →

カテゴリー: cs.CV | Detail Matters: Mamba-Inspired Joint Unfolding Network for Snapshot Spectral Compressive Imaging はコメントを受け付けていません

HybridTrack: A Hybrid Approach for Robust Multi-Object Tracking

投稿日: 2025年1月5日 作成者: jarxiv

要約 先進運転支援システム（ADAS）の進化により、マルチオブジェクト追跡のため … 続きを読む →

カテゴリー: cs.CV, cs.RO | HybridTrack: A Hybrid Approach for Robust Multi-Object Tracking はコメントを受け付けていません

CultureVLM: Characterizing and Improving Cultural Understanding of Vision-Language Models for over 100 Countries

投稿日: 2025年1月5日 作成者: jarxiv

要約 視覚言語モデル(VLM)は人間とAIのインタラクションを進化させたが、文化 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | CultureVLM: Characterizing and Improving Cultural Understanding of Vision-Language Models for over 100 Countries はコメントを受け付けていません

Multi-Head Explainer: A General Framework to Improve Explainability in CNNs and Transformers

投稿日: 2025年1月5日 作成者: jarxiv

要約 本研究では、畳み込みニューラルネットワーク(CNN)とTransforme … 続きを読む →

カテゴリー: cs.AI, cs.CV | Multi-Head Explainer: A General Framework to Improve Explainability in CNNs and Transformers はコメントを受け付けていません

SeedVR: Seeding Infinity in Diffusion Transformer Towards Generic Video Restoration

投稿日: 2025年1月5日 作成者: jarxiv

要約 映像の復元は、自然界における未知の劣化から時間的に一貫したディテールを復元 … 続きを読む →

カテゴリー: cs.CV | SeedVR: Seeding Infinity in Diffusion Transformer Towards Generic Video Restoration はコメントを受け付けていません

Domain-invariant feature learning in brain MR imaging for content-based image retrieval

投稿日: 2025年1月5日 作成者: jarxiv

要約 複数の施設から脳MR画像を収集する大規模研究を行う場合、施設ごとの撮影装置 … 続きを読む →

カテゴリー: cs.CV, cs.IR, cs.LG | Domain-invariant feature learning in brain MR imaging for content-based image retrieval はコメントを受け付けていません

Large Vision-Language Model Alignment and Misalignment: A Survey Through the Lens of Explainability

投稿日: 2025年1月5日 作成者: jarxiv

要約 大規模視覚言語モデル（LVLM）は、視覚情報とテキスト情報の両方を処理する … 続きを読む →

カテゴリー: cs.CL, cs.CV | Large Vision-Language Model Alignment and Misalignment: A Survey Through the Lens of Explainability はコメントを受け付けていません

ViGiL3D: A Linguistically Diverse Dataset for 3D Visual Grounding

投稿日: 2025年1月5日 作成者: jarxiv

要約 3Dビジュアルグラウンディング（3DVG）は、自然言語テキストによって参照 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | ViGiL3D: A Linguistically Diverse Dataset for 3D Visual Grounding はコメントを受け付けていません

Test-time Controllable Image Generation by Explicit Spatial Constraint Enforcement

投稿日: 2025年1月5日 作成者: jarxiv

要約 最近のテキストから画像への生成では、マスク、バウンディングボックス、キーポ … 続きを読む →

カテゴリー: cs.CV | Test-time Controllable Image Generation by Explicit Spatial Constraint Enforcement はコメントを受け付けていません