月別アーカイブ: 2025年4月

Digital Twin Generation from Visual Data: A Survey

投稿日: 2025年4月18日 作成者: jarxiv

要約 この調査では、ビデオからデジタルツインを生成する最近の開発を調査します。 … 続きを読む →

カテゴリー: cs.CV | Digital Twin Generation from Visual Data: A Survey はコメントを受け付けていません

Personalized Text-to-Image Generation with Auto-Regressive Models

投稿日: 2025年4月18日 作成者: jarxiv

要約 パーソナライズされた画像合成は、テキストから画像の生成における極めて重要な … 続きを読む →

カテゴリー: cs.CV | Personalized Text-to-Image Generation with Auto-Regressive Models はコメントを受け付けていません

ODHSR: Online Dense 3D Reconstruction of Humans and Scenes from Monocular Videos

投稿日: 2025年4月18日 作成者: jarxiv

要約 人間中心の3D世界の認識において、単一の単眼内の野生のビデオフィギュアから … 続きを読む →

カテゴリー: cs.CV, I.4.5 | ODHSR: Online Dense 3D Reconstruction of Humans and Scenes from Monocular Videos はコメントを受け付けていません

Generate, but Verify: Reducing Hallucination in Vision-Language Models with Retrospective Resampling

投稿日: 2025年4月18日 作成者: jarxiv

要約 ビジョン言語モデル（VLM）は視覚的な理解に優れていますが、視覚的な幻覚に … 続きを読む →

カテゴリー: cs.CV | Generate, but Verify: Reducing Hallucination in Vision-Language Models with Retrospective Resampling はコメントを受け付けていません

Do Vision-Language Models Represent Space and How? Evaluating Spatial Frame of Reference Under Ambiguities

投稿日: 2025年4月18日 作成者: jarxiv

要約 状況に応じたコミュニケーションでの空間的表現は、スピーカーやリスナーが採用 … 続きを読む →

カテゴリー: cs.CL, cs.CV | Do Vision-Language Models Represent Space and How? Evaluating Spatial Frame of Reference Under Ambiguities はコメントを受け付けていません

IMAGGarment-1: Fine-Grained Garment Generation for Controllable Fashion Design

投稿日: 2025年4月18日 作成者: jarxiv

要約 このホワイトペーパーでは、シルエット、色、ロゴの配置を正確に制御できる高忠 … 続きを読む →

カテゴリー: cs.CV | IMAGGarment-1: Fine-Grained Garment Generation for Controllable Fashion Design はコメントを受け付けていません

Single-Shot Shape and Reflectance with Spatial Polarization Multiplexing

投稿日: 2025年4月18日 作成者: jarxiv

要約 単一の偏光画像からオブジェクトの形状と反射率を再構築するための空間分極マル … 続きを読む →

カテゴリー: cs.CV | Single-Shot Shape and Reflectance with Spatial Polarization Multiplexing はコメントを受け付けていません

PerceptionLM: Open-Access Data and Models for Detailed Visual Understanding

投稿日: 2025年4月18日 作成者: jarxiv

要約 ビジョン言語モデルはコンピュータービジョンの研究に不可欠ですが、多くの高性 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | PerceptionLM: Open-Access Data and Models for Detailed Visual Understanding はコメントを受け付けていません

ViTa-Zero: Zero-shot Visuotactile Object 6D Pose Estimation

投稿日: 2025年4月18日 作成者: jarxiv

要約 オブジェクト6Dのポーズ推定は、特に操作タスクでは、ロボット工学の重要な課 … 続きを読む →

カテゴリー: cs.CV, cs.RO | ViTa-Zero: Zero-shot Visuotactile Object 6D Pose Estimation はコメントを受け付けていません

Perception Encoder: The best visual embeddings are not at the output of the network

投稿日: 2025年4月18日 作成者: jarxiv

要約 単純なビジョン言語学習を通じてトレーニングされた画像およびビデオ理解用の最 … 続きを読む →

カテゴリー: cs.CV | Perception Encoder: The best visual embeddings are not at the output of the network はコメントを受け付けていません