月別アーカイブ: 2025年4月

VistaDPO: Video Hierarchical Spatial-Temporal Direct Preference Optimization for Large Video Models

投稿日: 2025年4月18日 作成者: jarxiv

要約 大規模な言語モデル（LLM）に基づいて構築された大規模なビデオモデル（LV … 続きを読む →

カテゴリー: cs.CV, cs.LG | VistaDPO: Video Hierarchical Spatial-Temporal Direct Preference Optimization for Large Video Models はコメントを受け付けていません

Low-hallucination Synthetic Captions for Large-Scale Vision-Language Model Pre-training

投稿日: 2025年4月18日 作成者: jarxiv

要約 近年、ビジョン言語モデルのプリトレーニングの分野は、主に大規模な言語モデル … 続きを読む →

カテゴリー: cs.AI, cs.CV | Low-hallucination Synthetic Captions for Large-Scale Vision-Language Model Pre-training はコメントを受け付けていません

Science-T2I: Addressing Scientific Illusions in Image Synthesis

投稿日: 2025年4月18日 作成者: jarxiv

要約 科学的知識を生成モデルに統合し、画像統合のリアリズムと一貫性を高めるための … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | Science-T2I: Addressing Scientific Illusions in Image Synthesis はコメントを受け付けていません

NTIRE 2025 Challenge on Short-form UGC Video Quality Assessment and Enhancement: Methods and Results

投稿日: 2025年4月18日 作成者: jarxiv

要約 このペーパーでは、短編UGCビデオ品質評価と強化に関するNTIRE 202 … 続きを読む →

カテゴリー: cs.AI, cs.CV, eess.IV | NTIRE 2025 Challenge on Short-form UGC Video Quality Assessment and Enhancement: Methods and Results はコメントを受け付けていません

PCBEAR: Pose Concept Bottleneck for Explainable Action Recognition

投稿日: 2025年4月18日 作成者: jarxiv

要約 人間の行動認識（HAR）は、深い学習モデルで印象的な結果を達成していますが … 続きを読む →

カテゴリー: cs.CV | PCBEAR: Pose Concept Bottleneck for Explainable Action Recognition はコメントを受け付けていません

$\texttt{Complex-Edit}$: CoT-Like Instruction Generation for Complexity-Controllable Image Editing Benchmark

投稿日: 2025年4月18日 作成者: jarxiv

要約 さまざまな複雑さの指示にわたって命令ベースの画像編集モデルを体系的に評価す … 続きを読む →

カテゴリー: cs.AI, cs.CV | $\texttt{Complex-Edit}$: CoT-Like Instruction Generation for Complexity-Controllable Image Editing Benchmark はコメントを受け付けていません

Readable Twins of Unreadable Models

投稿日: 2025年4月18日 作成者: jarxiv

要約 責任ある人工知能（AI）システムの作成は、AIの作品の現代の研究開発におけ … 続きを読む →

カテゴリー: cs.AI, cs.CV | Readable Twins of Unreadable Models はコメントを受け付けていません

St4RTrack: Simultaneous 4D Reconstruction and Tracking in the World

投稿日: 2025年4月18日 作成者: jarxiv

要約 動的な3D再構成とビデオのポイント追跡は、通常、深いつながりにもかかわらず … 続きを読む →

カテゴリー: cs.CV | St4RTrack: Simultaneous 4D Reconstruction and Tracking in the World はコメントを受け付けていません

Training-Free Hierarchical Scene Understanding for Gaussian Splatting with Superpoint Graphs

投稿日: 2025年4月18日 作成者: jarxiv

要約 自然言語と3Dジオメトリを橋渡しすることは、柔軟で言語主導のシーンの理解に … 続きを読む →

カテゴリー: cs.CV | Training-Free Hierarchical Scene Understanding for Gaussian Splatting with Superpoint Graphs はコメントを受け付けていません

AerialMegaDepth: Learning Aerial-Ground Reconstruction and View Synthesis

投稿日: 2025年4月18日 作成者: jarxiv

要約 地面と空中の景色の混合物から撮影された画像の幾何学的再構成のタスクを探りま … 続きを読む →

カテゴリー: cs.CV | AerialMegaDepth: Learning Aerial-Ground Reconstruction and View Synthesis はコメントを受け付けていません