-
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
Denoising Score Distillation: From Noisy Diffusion Pretraining to One-Step High-Quality Generation
要約 拡散モデルは、多様な自然分布全体で高解像度の現実的な画像を生成することに顕 … 続きを読む
Constructing a 3D Town from a Single Image
要約 詳細な3Dシーンを取得するには、通常、費用のかかる機器、マルチビューデータ … 続きを読む
MIRACL-VISION: A Large, multilingual, visual document retrieval benchmark
要約 ドキュメント検索は、検索および検索の高等発電（RAG）アプリケーションの重 … 続きを読む
IA-T2I: Internet-Augmented Text-to-Image Generation
要約 現在のテキストからイメージ（T2I）生成モデルは有望な結果を達成しますが、 … 続きを読む
VARD: Efficient and Dense Fine-Tuning for Diffusion Models with Value-based RL
要約 拡散モデルは、さまざまなドメインにわたって強力な生成ツールとして浮上してい … 続きを読む
Interspatial Attention for Efficient 4D Human Video Generation
要約 デジタル人間のフォトリアリックなビデオを制御可能な方法で生成することは、多 … 続きを読む
カテゴリー: cs.CV
Interspatial Attention for Efficient 4D Human Video Generation はコメントを受け付けていません
STAR-R1: Spacial TrAnsformation Reasoning by Reinforcing Multimodal LLMs
要約 マルチモーダル大手言語モデル（MLLM）は、多様なタスク全体で顕著な能力を … 続きを読む
カテゴリー: cs.CV
STAR-R1: Spacial TrAnsformation Reasoning by Reinforcing Multimodal LLMs はコメントを受け付けていません
Symmetry-Robust 3D Orientation Estimation
要約 方向推定は、形状の方向軸を推定することで構成される3D形状分析の基本的なタ … 続きを読む
MMaDA: Multimodal Large Diffusion Language Models
要約 テキストの推論、マルチモーダル理解、テキストからイメージの生成などの多様な … 続きを読む
カテゴリー: cs.CV
MMaDA: Multimodal Large Diffusion Language Models はコメントを受け付けていません
GUI-G1: Understanding R1-Zero-Like Training for Visual Grounding in GUI Agents
要約 最近のグラフィカルユーザーインターフェイス（GUI）エージェントは、R1- … 続きを読む