月別アーカイブ: 2025年3月

Adaptive Keyframe Sampling for Long Video Understanding

投稿日: 2025年3月3日 作成者: jarxiv

要約 マルチモーダル大手言語モデル（MLLM）は、視覚入力をコンテキストとして大 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | Adaptive Keyframe Sampling for Long Video Understanding はコメントを受け付けていません

Back to the Future Cyclopean Stereo: a human perception approach unifying deep and geometric constraints

投稿日: 2025年3月3日 作成者: jarxiv

要約 深さの不連続性と閉塞を組み込んだシクロピアンアイモデルで見られるように、分 … 続きを読む →

カテゴリー: cs.CV | Back to the Future Cyclopean Stereo: a human perception approach unifying deep and geometric constraints はコメントを受け付けていません

Efficient and Context-Aware Label Propagation for Zero-/Few-Shot Training-Free Adaptation of Vision-Language Model

投稿日: 2025年3月3日 作成者: jarxiv

要約 ビジョン言語モデル（VLM）は、さまざまな下流タスクに取り組むために、大規 … 続きを読む →

カテゴリー: cs.CV | Efficient and Context-Aware Label Propagation for Zero-/Few-Shot Training-Free Adaptation of Vision-Language Model はコメントを受け付けていません

MIGE: A Unified Framework for Multimodal Instruction-Based Image Generation and Editing

投稿日: 2025年3月3日 作成者: jarxiv

要約 拡散ベースの画像生成の大幅な進歩にもかかわらず、被験者主導の生成と命令ベー … 続きを読む →

カテゴリー: cs.CV | MIGE: A Unified Framework for Multimodal Instruction-Based Image Generation and Editing はコメントを受け付けていません

AutoComb: Automated Comb Sign Detector for 3D CTE Scans

投稿日: 2025年3月3日 作成者: jarxiv

要約 コームサインは、複数の胃腸疾患を検出するための重要なイメージングバイオマー … 続きを読む →

カテゴリー: cs.CV, eess.IV | AutoComb: Automated Comb Sign Detector for 3D CTE Scans はコメントを受け付けていません

DELTA: Dense Efficient Long-range 3D Tracking for any video

投稿日: 2025年3月3日 作成者: jarxiv

要約 特に長いシーケンスにわたるピクセルレベルの精度を目指している場合、単眼ビデ … 続きを読む →

カテゴリー: cs.CV | DELTA: Dense Efficient Long-range 3D Tracking for any video はコメントを受け付けていません

Unsupervised Parameter Efficient Source-free Post-pretraining

投稿日: 2025年3月3日 作成者: jarxiv

要約 NLPでの成功に続いて、最高のビジョンモデルは現在、10億パラメーターの範 … 続きを読む →

カテゴリー: cs.CV, cs.LG | Unsupervised Parameter Efficient Source-free Post-pretraining はコメントを受け付けていません

Raccoon: Multi-stage Diffusion Training with Coarse-to-Fine Curating Videos

投稿日: 2025年3月3日 作成者: jarxiv

要約 テキストからビデオへの生成は、拡散モデルの出現により有望な進歩を実証してい … 続きを読む →

カテゴリー: cs.CV | Raccoon: Multi-stage Diffusion Training with Coarse-to-Fine Curating Videos はコメントを受け付けていません

How far can we go with ImageNet for Text-to-Image generation?

投稿日: 2025年3月3日 作成者: jarxiv

要約 最近のテキストからイメージ（T2I）生成モデルは、品質よりもデータ量を優先 … 続きを読む →

カテゴリー: cs.CV | How far can we go with ImageNet for Text-to-Image generation? はコメントを受け付けていません

TomoSelfDEQ: Self-Supervised Deep Equilibrium Learning for Sparse-Angle CT Reconstruction

投稿日: 2025年3月3日 作成者: jarxiv

要約 ディープラーニングは、コンピューター断層撮影（CT）を含む、イメージングで … 続きを読む →

カテゴリー: cs.CV, eess.IV | TomoSelfDEQ: Self-Supervised Deep Equilibrium Learning for Sparse-Angle CT Reconstruction はコメントを受け付けていません