月別アーカイブ: 2025年5月

TokBench: Evaluating Your Visual Tokenizer before Visual Generation

投稿日: 2025年5月26日 作成者: jarxiv

要約 この作業では、細粒の特徴を保存する際の視覚トークナザーとVAEの限界を明ら … 続きを読む →

カテゴリー: cs.CV, cs.DB | TokBench: Evaluating Your Visual Tokenizer before Visual Generation はコメントを受け付けていません

WonderPlay: Dynamic 3D Scene Generation from a Single Image and Actions

投稿日: 2025年5月26日 作成者: jarxiv

要約 WonderPlayは、単一の画像からアクションコンディショニングされた動 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.GR | WonderPlay: Dynamic 3D Scene Generation from a Single Image and Actions はコメントを受け付けていません

REN: Fast and Efficient Region Encodings from Patch-Based Image Encoders

投稿日: 2025年5月26日 作成者: jarxiv

要約 ポイントプロンプトを使用して地域ベースの画像表現を生成するための高速かつ効 … 続きを読む →

カテゴリー: cs.CV | REN: Fast and Efficient Region Encodings from Patch-Based Image Encoders はコメントを受け付けていません

Think or Not? Selective Reasoning via Reinforcement Learning for Vision-Language Models

投稿日: 2025年5月26日 作成者: jarxiv

要約 強化学習（RL）は、ビジョン言語モデル（VLM）の推論を強化するための効果 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Think or Not? Selective Reasoning via Reinforcement Learning for Vision-Language Models はコメントを受け付けていません

TULiP: Test-time Uncertainty Estimation via Linearization and Weight Perturbation

投稿日: 2025年5月26日 作成者: jarxiv

要約 信頼できる不確実性推定方法は、オープンワールドの深い学習モデルの安全な展開 … 続きを読む →

カテゴリー: cs.LG, stat.ML | TULiP: Test-time Uncertainty Estimation via Linearization and Weight Perturbation はコメントを受け付けていません

VeriFastScore: Speeding up long-form factuality evaluation

投稿日: 2025年5月26日 作成者: jarxiv

要約 長い形式の事実を評価するFactScoreやVeriscoreなどのメトリ … 続きを読む →

カテゴリー: cs.CL | VeriFastScore: Speeding up long-form factuality evaluation はコメントを受け付けていません

Active Speech Enhancement: Active Speech Denoising Decliping and Deveraberation

投稿日: 2025年5月26日 作成者: jarxiv

要約 アクティブなサウンド変更のための新しいパラダイムを紹介します：アクティブな … 続きを読む →

カテゴリー: cs.AI, eess.AS | Active Speech Enhancement: Active Speech Denoising Decliping and Deveraberation はコメントを受け付けていません

Power-Law Decay Loss for Large Language Model Finetuning: Focusing on Information Sparsity to Enhance Generation Quality

投稿日: 2025年5月26日 作成者: jarxiv

要約 テキスト生成タスクの微調整段階では、標準的なクロスエントロピー損失はすべて … 続きを読む →

カテゴリー: cs.CL, cs.LG | Power-Law Decay Loss for Large Language Model Finetuning: Focusing on Information Sparsity to Enhance Generation Quality はコメントを受け付けていません

LaViDa: A Large Diffusion Language Model for Multimodal Understanding

投稿日: 2025年5月26日 作成者: jarxiv

要約 最新のビジョン言語モデル（VLM）は、視覚的な推論を必要とする幅広いタスク … 続きを読む →

カテゴリー: cs.CV | LaViDa: A Large Diffusion Language Model for Multimodal Understanding はコメントを受け付けていません

Manipulating Elasto-Plastic Objects With 3D Occupancy and Learning-Based Predictive Control

投稿日: 2025年5月26日 作成者: jarxiv

要約 エラストプラスチックオブジェクトの操作は、深刻な自己閉鎖、表現の難しさ、複 … 続きを読む →

カテゴリー: cs.AI, cs.RO | Manipulating Elasto-Plastic Objects With 3D Occupancy and Learning-Based Predictive Control はコメントを受け付けていません