月別アーカイブ: 2025年3月

M2N2V2: Multi-Modal Unsupervised and Training-free Interactive Segmentation

投稿日: 2025年3月21日 作成者: jarxiv

要約 Markov Map Beost Neighbor（M2N2V2）を提示し … 続きを読む →

カテゴリー: cs.CV | M2N2V2: Multi-Modal Unsupervised and Training-free Interactive Segmentation はコメントを受け付けていません

Benchmarking Large Language Models for Handwritten Text Recognition

投稿日: 2025年3月21日 作成者: jarxiv

要約 手書きのテキスト認識（HTR）の従来の機械学習モデル（HTR）は、監督され … 続きを読む →

カテゴリー: cs.CV | Benchmarking Large Language Models for Handwritten Text Recognition はコメントを受け付けていません

Vision-Language Models Generate More Homogeneous Stories for Phenotypically Black Individuals

投稿日: 2025年3月21日 作成者: jarxiv

要約 Vision-Language Models（VLMS）は、画像処理を統合 … 続きを読む →

カテゴリー: cs.CV | Vision-Language Models Generate More Homogeneous Stories for Phenotypically Black Individuals はコメントを受け付けていません

Plug-and-Play 1.x-Bit KV Cache Quantization for Video Large Language Models

投稿日: 2025年3月21日 作成者: jarxiv

要約 ビデオ大規模な言語モデル（Videollms）は、より長いビデオ入力を処理 … 続きを読む →

カテゴリー: cs.CV | Plug-and-Play 1.x-Bit KV Cache Quantization for Video Large Language Models はコメントを受け付けていません

Chain of Functions: A Programmatic Pipeline for Fine-Grained Chart Reasoning Data

投稿日: 2025年3月21日 作成者: jarxiv

要約 視覚的推論は、マルチモーダルの大手言語モデル（MLLM）にとって複雑なチャ … 続きを読む →

カテゴリー: cs.CV | Chain of Functions: A Programmatic Pipeline for Fine-Grained Chart Reasoning Data はコメントを受け付けていません

Revealing Key Details to See Differences: A Novel Prototypical Perspective for Skeleton-based Action Recognition

投稿日: 2025年3月21日 作成者: jarxiv

要約 スケルトンベースのアクション認識では、重要な課題は、骨格表現に画像レベルの … 続きを読む →

カテゴリー: cs.CV | Revealing Key Details to See Differences: A Novel Prototypical Perspective for Skeleton-based Action Recognition はコメントを受け付けていません

From Monocular Vision to Autonomous Action: Guiding Tumor Resection via 3D Reconstruction

投稿日: 2025年3月21日 作成者: jarxiv

要約 外科的自動化には、正確なガイダンスとシーンの理解が必要です。 文献の現在の … 続きを読む →

カテゴリー: cs.CV, cs.RO | From Monocular Vision to Autonomous Action: Guiding Tumor Resection via 3D Reconstruction はコメントを受け付けていません

Do image and video quality metrics model low-level human vision?

投稿日: 2025年3月21日 作成者: jarxiv

要約 SSIM、LPIPS、VMAFなどの画像およびビデオの品質メトリックは、評 … 続きを読む →

カテゴリー: cs.CV, cs.MM, eess.IV | Do image and video quality metrics model low-level human vision? はコメントを受け付けていません

Generalized Few-shot 3D Point Cloud Segmentation with Vision-Language Model

投稿日: 2025年3月21日 作成者: jarxiv

要約 一般化された少数のショット3Dポイントクラウドセグメンテーション（GFS- … 続きを読む →

カテゴリー: cs.CV | Generalized Few-shot 3D Point Cloud Segmentation with Vision-Language Model はコメントを受け付けていません

PSA-MIL: A Probabilistic Spatial Attention-Based Multiple Instance Learning for Whole Slide Image Classification

投稿日: 2025年3月21日 作成者: jarxiv

要約 全体のスライド画像（WSI）は、医療診断で広く使用されている高解像度のデジ … 続きを読む →

カテゴリー: cs.CV | PSA-MIL: A Probabilistic Spatial Attention-Based Multiple Instance Learning for Whole Slide Image Classification はコメントを受け付けていません