月別アーカイブ: 2025年5月

RT-GAN: Recurrent Temporal GAN for Adding Lightweight Temporal Consistency to Frame-Based Domain Translation Approaches

投稿日: 2025年5月14日 作成者: jarxiv

要約 米国では毎年1,400万件の大腸内視鏡検査が行われていますが、これらの大腸 … 続きを読む →

カテゴリー: cs.CV, eess.IV | RT-GAN: Recurrent Temporal GAN for Adding Lightweight Temporal Consistency to Frame-Based Domain Translation Approaches はコメントを受け付けていません

TiMo: Spatiotemporal Foundation Model for Satellite Image Time Series

投稿日: 2025年5月14日 作成者: jarxiv

要約 衛星画像の時系列（SITS）は、地球の表面の継続的な観測を提供し、環境管理 … 続きを読む →

カテゴリー: cs.CV | TiMo: Spatiotemporal Foundation Model for Satellite Image Time Series はコメントを受け付けていません

Hierarchical and Multimodal Data for Daily Activity Understanding

投稿日: 2025年5月14日 作成者: jarxiv

要約 人工知能の毎日の活動記録（ダライ、「ダーリー」と発音）は、現実世界の設定で … 続きを読む →

カテゴリー: cs.AI, cs.CV | Hierarchical and Multimodal Data for Daily Activity Understanding はコメントを受け付けていません

Extending Large Vision-Language Model for Diverse Interactive Tasks in Autonomous Driving

投稿日: 2025年5月14日 作成者: jarxiv

要約 大規模な視覚言語モデル（LVLMS）は、画像の理解が大幅に進歩しています。 … 続きを読む →

カテゴリー: cs.CV | Extending Large Vision-Language Model for Diverse Interactive Tasks in Autonomous Driving はコメントを受け付けていません

No Other Representation Component Is Needed: Diffusion Transformers Can Provide Representation Guidance by Themselves

投稿日: 2025年5月14日 作成者: jarxiv

要約 最近の研究では、意味のある内部表現を学ぶことで、生成トレーニングを加速し、 … 続きを読む →

カテゴリー: cs.CV | No Other Representation Component Is Needed: Diffusion Transformers Can Provide Representation Guidance by Themselves はコメントを受け付けていません

Deep Representation Learning for Unsupervised Clustering of Myocardial Fiber Trajectories in Cardiac Diffusion Tensor Imaging

投稿日: 2025年5月14日 作成者: jarxiv

要約 複雑な心筋アーキテクチャを理解することは、心臓病の診断と治療に不可欠です。 … 続きを読む →

カテゴリー: cs.CV, cs.LG, eess.IV | Deep Representation Learning for Unsupervised Clustering of Myocardial Fiber Trajectories in Cardiac Diffusion Tensor Imaging はコメントを受け付けていません

Visual Imitation Enables Contextual Humanoid Control

投稿日: 2025年5月14日 作成者: jarxiv

要約 ヒューマノイドに階段を登り、周囲の環境のコンテキストを使用して椅子に座るよ … 続きを読む →

カテゴリー: cs.CV, cs.RO | Visual Imitation Enables Contextual Humanoid Control はコメントを受け付けていません

VideoUFO: A Million-Scale User-Focused Dataset for Text-to-Video Generation

投稿日: 2025年5月14日 作成者: jarxiv

要約 テキストからビデオへの生成モデルは、テキストプロンプトを動的な視覚コンテン … 続きを読む →

カテゴリー: cs.CV | VideoUFO: A Million-Scale User-Focused Dataset for Text-to-Video Generation はコメントを受け付けていません

Advancing Food Nutrition Estimation via Visual-Ingredient Feature Fusion

投稿日: 2025年5月14日 作成者: jarxiv

要約 栄養推定は、健康的な食事を促進し、食事関連の健康リスクを軽減する重要な要素 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Advancing Food Nutrition Estimation via Visual-Ingredient Feature Fusion はコメントを受け付けていません

Aya Vision: Advancing the Frontier of Multilingual Multimodality

投稿日: 2025年5月14日 作成者: jarxiv

要約 マルチモーダル言語モデルの構築は根本的に困難です。ビジョンと言語のモダリテ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG | Aya Vision: Advancing the Frontier of Multilingual Multimodality はコメントを受け付けていません