月別アーカイブ: 2025年5月

DADM: Dual Alignment of Domain and Modality for Face Anti-spoofing

投稿日: 2025年5月28日 作成者: jarxiv

要約 多様なセンサーモダリティ（つまり、RGB、深さ、赤外線）の可用性とマルチモ … 続きを読む →

カテゴリー: cs.CV | DADM: Dual Alignment of Domain and Modality for Face Anti-spoofing はコメントを受け付けていません

Mentor3AD: Feature Reconstruction-based 3D Anomaly Detection via Multi-modality Mentor Learning

投稿日: 2025年5月28日 作成者: jarxiv

要約 マルチモーダル特徴の再構築は、3D異常検出の有望なアプローチであり、二重モ … 続きを読む →

カテゴリー: cs.AI, cs.CV | Mentor3AD: Feature Reconstruction-based 3D Anomaly Detection via Multi-modality Mentor Learning はコメントを受け付けていません

HA-VLN: A Benchmark for Human-Aware Navigation in Discrete-Continuous Environments with Dynamic Multi-Human Interactions, Real-World Validation, and an Open Leaderboard

投稿日: 2025年5月28日 作成者: jarxiv

要約 Vision and-Language Navigation（VLN）シス … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.RO | HA-VLN: A Benchmark for Human-Aware Navigation in Discrete-Continuous Environments with Dynamic Multi-Human Interactions, Real-World Validation, and an Open Leaderboard はコメントを受け付けていません

Can Large Language Models Understand Symbolic Graphics Programs?

投稿日: 2025年5月28日 作成者: jarxiv

要約 大規模な言語モデル（LLM）に対する熱意を背景に、能力と欠点を科学的に評価 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG | Can Large Language Models Understand Symbolic Graphics Programs? はコメントを受け付けていません

CoDA: Coordinated Diffusion Noise Optimization for Whole-Body Manipulation of Articulated Objects

投稿日: 2025年5月28日 作成者: jarxiv

要約 ボディモーション、手の動き、オブジェクトの動きを含む明確なオブジェクトの全 … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.RO | CoDA: Coordinated Diffusion Noise Optimization for Whole-Body Manipulation of Articulated Objects はコメントを受け付けていません

VoxAging: Continuously Tracking Speaker Aging with a Large-Scale Longitudinal Dataset in English and Mandarin

投稿日: 2025年5月28日 作成者: jarxiv

要約 スピーカー検証システムのパフォーマンスは、スピーカーの老化によって悪影響を … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD | VoxAging: Continuously Tracking Speaker Aging with a Large-Scale Longitudinal Dataset in English and Mandarin はコメントを受け付けていません

OmniSync: Towards Universal Lip Synchronization via Diffusion Transformers

投稿日: 2025年5月28日 作成者: jarxiv

要約 リップ同期は、ビデオのスピーカーのリップの動きを対応する音声オーディオと整 … 続きを読む →

カテゴリー: cs.CV | OmniSync: Towards Universal Lip Synchronization via Diffusion Transformers はコメントを受け付けていません

Visual Product Graph: Bridging Visual Products And Composite Images For End-to-End Style Recommendations

投稿日: 2025年5月28日 作成者: jarxiv

要約 意味的に類似しているが視覚的に異なるコンテンツを取得することは、視覚検索シ … 続きを読む →

カテゴリー: cs.CV | Visual Product Graph: Bridging Visual Products And Composite Images For End-to-End Style Recommendations はコメントを受け付けていません

Active-O3: Empowering Multimodal Large Language Models with Active Perception via GRPO

投稿日: 2025年5月28日 作成者: jarxiv

要約 アクティブな知覚としても知られるアクティブビジョンは、タスク関連の情報を収 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Active-O3: Empowering Multimodal Large Language Models with Active Perception via GRPO はコメントを受け付けていません

LazyVLM: Neuro-Symbolic Approach to Video Analytics

投稿日: 2025年5月28日 作成者: jarxiv

要約 現在のビデオ分析アプローチは、柔軟性と効率性の基本的なトレードオフに直面し … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.DB, cs.IR, cs.MM | LazyVLM: Neuro-Symbolic Approach to Video Analytics はコメントを受け付けていません