月別アーカイブ: 2025年4月

InteractAvatar: Modeling Hand-Face Interaction in Photorealistic Avatars with Deformable Gaussians

投稿日: 2025年4月11日 作成者: jarxiv

要約 デジタルアバターのコミュニティからの関心が高まっているため、コミュニケーシ … 続きを読む →

カテゴリー: cs.CV | InteractAvatar: Modeling Hand-Face Interaction in Photorealistic Avatars with Deformable Gaussians はコメントを受け付けていません

Scaling Laws for Native Multimodal Models Scaling Laws for Native Multimodal Models

投稿日: 2025年4月11日 作成者: jarxiv

要約 マルチモーダル信号を通じて世界を効果的に知覚できる汎用モデルの構築は、長年 … 続きを読む →

カテゴリー: cs.CV | Scaling Laws for Native Multimodal Models Scaling Laws for Native Multimodal Models はコメントを受け付けていません

Perception-R1: Pioneering Perception Policy with Reinforcement Learning

投稿日: 2025年4月11日 作成者: jarxiv

要約 DeepSeek-R1の成功に触発されて、知覚政策学習のためのトレーニング … 続きを読む →

カテゴリー: cs.CL, cs.CV | Perception-R1: Pioneering Perception Policy with Reinforcement Learning はコメントを受け付けていません

BoxDreamer: Dreaming Box Corners for Generalizable Object Pose Estimation

投稿日: 2025年4月11日 作成者: jarxiv

要約 このペーパーでは、オブジェクトポーズ推定のための一般化可能なRGBベースの … 続きを読む →

カテゴリー: cs.CV | BoxDreamer: Dreaming Box Corners for Generalizable Object Pose Estimation はコメントを受け付けていません

VCR-Bench: A Comprehensive Evaluation Framework for Video Chain-of-Thought Reasoning

投稿日: 2025年4月11日 作成者: jarxiv

要約 考え方（COT）の推論の進歩により、大規模な言語モデル（LLMS）と大規模 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | VCR-Bench: A Comprehensive Evaluation Framework for Video Chain-of-Thought Reasoning はコメントを受け付けていません

MM-IFEngine: Towards Multimodal Instruction Following

投稿日: 2025年4月11日 作成者: jarxiv

要約 次の（IF）能力は、マルチモーダルの大手言語モデル（MLLM）がどの程度よ … 続きを読む →

カテゴリー: cs.CV | MM-IFEngine: Towards Multimodal Instruction Following はコメントを受け付けていません

Detect Anything 3D in the Wild

投稿日: 2025年4月11日 作成者: jarxiv

要約 密集した3Dオブジェクトの検出における深い学習の成功にもかかわらず、既存の … 続きを読む →

カテゴリー: cs.CV | Detect Anything 3D in the Wild はコメントを受け付けていません

CCMNet: Leveraging Calibrated Color Correction Matrices for Cross-Camera Color Constancy

投稿日: 2025年4月11日 作成者: jarxiv

要約 計算色の恒常性、または白いバランスは、シーン照明から鋳造された色を修正する … 続きを読む →

カテゴリー: cs.CV | CCMNet: Leveraging Calibrated Color Correction Matrices for Cross-Camera Color Constancy はコメントを受け付けていません

VisualCloze: A Universal Image Generation Framework via Visual In-Context Learning

投稿日: 2025年4月11日 作成者: jarxiv

要約 拡散モデルの最近の進歩は、さまざまな画像生成タスクを大幅に進めています。 … 続きを読む →

カテゴリー: cs.CV | VisualCloze: A Universal Image Generation Framework via Visual In-Context Learning はコメントを受け付けていません

Interactive4D: Interactive 4D LiDAR Segmentation

投稿日: 2025年4月11日 作成者: jarxiv

要約 インタラクティブなセグメンテーションは、将来のLIDARデータセットの注釈 … 続きを読む →

カテゴリー: cs.CV | Interactive4D: Interactive 4D LiDAR Segmentation はコメントを受け付けていません