-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
月別アーカイブ: 2025年5月
Seeing through Satellite Images at Street Views
要約 このペーパーでは、衛星画像と指定されたカメラの位置または軌道を指定したフォ … 続きを読む
カテゴリー: cs.CV
Seeing through Satellite Images at Street Views はコメントを受け付けていません
PAEFF: Precise Alignment and Enhanced Gated Feature Fusion for Face-Voice Association
要約 私たちは、最近マルチモーダルコミュニティに関心を集めている顔と声の間の学習 … 続きを読む
CoMo: Learning Continuous Latent Motion from Internet Videos for Scalable Robot Learning
要約 インターネットビデオからの潜在的な動きを学ぶことは、ジェネラリストのロボッ … 続きを読む
Deep mineralogical segmentation of thin section images based on QEMSCAN maps
要約 岩の薄切片の鉱物学的側面を解釈することは、石油とガスの貯水池の評価にとって … 続きを読む
Learning Adaptive and Temporally Causal Video Tokenization in a 1D Latent Space
要約 ビデオコンテンツに基づいてさまざまなフレームにトークンを柔軟に割り当てるこ … 続きを読む
カテゴリー: cs.CV
Learning Adaptive and Temporally Causal Video Tokenization in a 1D Latent Space はコメントを受け付けていません
SpatialScore: Towards Unified Evaluation for Multimodal Spatial Understanding
要約 マルチモーダル大手言語モデル（MLLM）は、問題を解決するタスクで印象的な … 続きを読む
When Are Concepts Erased From Diffusion Models?
要約 モデルが特定の概念を生成するのを選択的に防止する能力である概念消去は、関心 … 続きを読む
Multi-SpatialMLLM: Multi-Frame Spatial Understanding with Multi-Modal Large Language Models
要約 マルチモーダルの大手言語モデル（MLLM）は視覚的なタスクで急速に進歩して … 続きを読む
Interactive Post-Training for Vision-Language-Action Models
要約 リップVLAを紹介します。これは、スパースバイナリの成功報酬のみを使用して … 続きを読む