-
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2月
Evaluation of End-to-End Continuous Spanish Lipreading in Different Data Conditions
要約 視覚的な音声認識は、視覚的なあいまいさ、スピーカー間の人間間変動、沈黙の複 … 続きを読む
カテゴリー: cs.CV
Evaluation of End-to-End Continuous Spanish Lipreading in Different Data Conditions はコメントを受け付けていません
Steering the LoCoMotif: Using Domain Knowledge in Time Series Motif Discovery
要約 時系列モチーフディスカバリー（TSMD）は、時系列データの繰り返しパターン … 続きを読む
Rethinking Audio-Visual Adversarial Vulnerability from Temporal and Modality Perspectives
要約 視聴覚学習は、複数の感覚モダリティを活用することにより、現実の世界をより豊 … 続きを読む
Defining and Evaluating Visual Language Models’ Basic Spatial Abilities: A Perspective from Psychometrics
要約 複数のインテリジェンスの理論は、認知能力の階層的な性質を強調しています。 … 続きを読む
Does Knowledge About Perceptual Uncertainty Help an Agent in Automated Driving?
要約 自動化された運転のような現実世界のシナリオのエージェントは、特に知覚的な不 … 続きを読む
Understanding Long Videos with Multimodal Language Models
要約 大規模な言語モデル（LLM）により、最近のLLMベースのアプローチが可能に … 続きを読む
カテゴリー: cs.CV
Understanding Long Videos with Multimodal Language Models はコメントを受け付けていません
iFormer: Integrating ConvNet and Transformer for Mobile Application
要約 Iformerと呼ばれるモバイルハイブリッドビジョンネットワークの新しいフ … 続きを読む
From Open-Vocabulary to Vocabulary-Free Semantic Segmentation
要約 オープンボキャブラリーセマンティックセグメンテーションにより、モデルはトレ … 続きを読む
カテゴリー: cs.CV
From Open-Vocabulary to Vocabulary-Free Semantic Segmentation はコメントを受け付けていません
DLFR-VAE: Dynamic Latent Frame Rate VAE for Video Generation
要約 この論文では、潜在空間で適応的な時間的圧縮を利用できるトレーニングなしのパ … 続きを読む
Bridging Compressed Image Latents and Multimodal Large Language Models
要約 このホワイトペーパーでは、マルチモーダルの大手言語モデル（MLLM）を採用 … 続きを読む