月別アーカイブ: 2025年1月

FALCON: Resolving Visual Redundancy and Fragmentation in High-resolution Multimodal Large Language Models via Visual Registers

投稿日: 2025年1月28日 作成者: jarxiv

要約 高解像度の視覚入力の組み込みにより、実際のタスクの視覚的知覚機能が強化され … 続きを読む →

カテゴリー: cs.CV | FALCON: Resolving Visual Redundancy and Fragmentation in High-resolution Multimodal Large Language Models via Visual Registers はコメントを受け付けていません

Large Models in Dialogue for Active Perception and Anomaly Detection

投稿日: 2025年1月28日 作成者: jarxiv

要約 自律航空監視は、人間が簡単にアクセスできない地域から情報を収集することを目 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Large Models in Dialogue for Active Perception and Anomaly Detection はコメントを受け付けていません

MedPromptX: Grounded Multimodal Prompting for Chest X-ray Diagnosis

投稿日: 2025年1月28日 作成者: jarxiv

要約 胸部X線画像は、一般的に急性および慢性の心肺状態を予測するために使用されま … 続きを読む →

カテゴリー: cs.AI, cs.CV | MedPromptX: Grounded Multimodal Prompting for Chest X-ray Diagnosis はコメントを受け付けていません

LinPrim: Linear Primitives for Differentiable Volumetric Rendering

投稿日: 2025年1月28日 作成者: jarxiv

要約 ボリュームレンダリングは、観察されたビューから直接3Dシーン表現を最適化す … 続きを読む →

カテゴリー: cs.CV | LinPrim: Linear Primitives for Differentiable Volumetric Rendering はコメントを受け付けていません

Adaptive Iterative Compression for High-Resolution Files: an Approach Focused on Preserving Visual Quality in Cinematic Workflows

投稿日: 2025年1月28日 作成者: jarxiv

要約 この研究では、映画撮影ワークフローとデジタル保存で使用される高解像度DPX … 続きを読む →

カテゴリー: cs.CV, cs.ET, cs.LG, cs.PF | Adaptive Iterative Compression for High-Resolution Files: an Approach Focused on Preserving Visual Quality in Cinematic Workflows はコメントを受け付けていません

GUI-Bee: Align GUI Action Grounding to Novel Environments via Autonomous Exploration

投稿日: 2025年1月28日 作成者: jarxiv

要約 グラフィカルユーザーインターフェイス（GUI）アクション接地は、GUI画面 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG | GUI-Bee: Align GUI Action Grounding to Novel Environments via Autonomous Exploration はコメントを受け付けていません

RelightVid: Temporal-Consistent Diffusion Model for Video Relighting

投稿日: 2025年1月28日 作成者: jarxiv

要約 拡散モデルは、画像の生成と編集において顕著な成功を示しており、最近の進歩に … 続きを読む →

カテゴリー: cs.AI, cs.CV | RelightVid: Temporal-Consistent Diffusion Model for Video Relighting はコメントを受け付けていません

Visual-Lidar Map Alignment for Infrastructure Inspections

投稿日: 2025年1月28日 作成者: jarxiv

要約 日常的および反復的なインフラストラクチャの検査は、多くの場合、挑戦的または … 続きを読む →

カテゴリー: (Primary), 62P30, cs.RO, I.4 | Visual-Lidar Map Alignment for Infrastructure Inspections はコメントを受け付けていません

ACT-JEPA: Joint-Embedding Predictive Architecture Improves Policy Representation Learning

投稿日: 2025年1月28日 作成者: jarxiv

要約 意思決定ポリシーの効率的な表現の学習は、模倣学習（IL）の課題です。 現在 … 続きを読む →

カテゴリー: cs.AI, cs.LG | ACT-JEPA: Joint-Embedding Predictive Architecture Improves Policy Representation Learning はコメントを受け付けていません

QuIP: Experimental design for expensive simulators with many Qualitative factors via Integer Programming

投稿日: 2025年1月28日 作成者: jarxiv

要約 幅広い科学的および工学的問題では、多くの定性的要因を持つ高価なシミュレータ … 続きを読む →

カテゴリー: cs.RO, stat.AP | QuIP: Experimental design for expensive simulators with many Qualitative factors via Integer Programming はコメントを受け付けていません