-
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)
投稿者「jarxiv」のアーカイブ
Policy Optimized Text-to-Image Pipeline Design
要約 テキストからイメージの生成は、単一のモノリシックモデルを超えて複雑なマルチ … 続きを読む
MV-CoLight: Efficient Object Compositing with Consistent Lighting and Shadow Generation
要約 オブジェクトコンポジットは、拡張現実（AR）と具体化されたインテリジェンス … 続きを読む
カテゴリー: cs.CV
MV-CoLight: Efficient Object Compositing with Consistent Lighting and Shadow Generation はコメントを受け付けていません
Be Decisive: Noise-Induced Layouts for Multi-Subject Generation
要約 複数の異なる被験者を生成することは、既存のテキストから画像間拡散モデルの課 … 続きを読む
Frame In-N-Out: Unbounded Controllable Image-to-Video Generation
要約 制御可能性、時間的一貫性、および詳細合成は、ビデオ生成における最も重要な課 … 続きを読む
カテゴリー: cs.CV
Frame In-N-Out: Unbounded Controllable Image-to-Video Generation はコメントを受け付けていません
Adversarial Attacks against Closed-Source MLLMs via Feature Optimal Alignment
要約 マルチモーダル大手言語モデル（MLLM）は、譲渡可能な敵の例に対して脆弱な … 続きを読む
カテゴリー: cs.CV
Adversarial Attacks against Closed-Source MLLMs via Feature Optimal Alignment はコメントを受け付けていません
UI-Genie: A Self-Improving Approach for Iteratively Boosting MLLM-based Mobile GUI Agents
要約 このペーパーでは、GUIエージェントの2つの重要な課題に対処する自己改善フ … 続きを読む
Paper2Poster: Towards Multimodal Poster Automation from Scientific Papers
要約 アカデミックポスターの世代は、科学的コミュニケーションにおいて重要でありな … 続きを読む
ViewSpatial-Bench: Evaluating Multi-perspective Spatial Localization in Vision-Language Models
要約 ビジョン言語モデル（VLM）は、視覚コンテンツについての理解と推論において … 続きを読む
Vision Transformers with Self-Distilled Registers
要約 ビジョントランス（VIT）は、視覚処理タスクの支配的なアーキテクチャとして … 続きを読む
カテゴリー: cs.CV
Vision Transformers with Self-Distilled Registers はコメントを受け付けていません
Generalizable and Relightable Gaussian Splatting for Human Novel View Synthesis
要約 私たちは、多様な照明条件下での高忠実度の人間の新規ビューの統合のための一般 … 続きを読む
カテゴリー: cs.CV
Generalizable and Relightable Gaussian Splatting for Human Novel View Synthesis はコメントを受け付けていません