投稿者「jarxiv」のアーカイブ

On Path to Multimodal Historical Reasoning: HistBench and HistAgent

投稿日: 2025年5月27日 作成者: jarxiv

要約 大規模な言語モデル（LLMS）の最近の進歩は、ドメイン全体で顕著な進歩をも … 続きを読む →

カテゴリー: cs.AI, cs.CL | On Path to Multimodal Historical Reasoning: HistBench and HistAgent はコメントを受け付けていません

KnowTrace: Bootstrapping Iterative Retrieval-Augmented Generation with Structured Knowledge Tracing

投稿日: 2025年5月27日 作成者: jarxiv

要約 検索された生成の最近の進歩（RAG）は、複雑なマルチホップの質問を処理する … 続きを読む →

カテゴリー: cs.AI, cs.CL | KnowTrace: Bootstrapping Iterative Retrieval-Augmented Generation with Structured Knowledge Tracing はコメントを受け付けていません

Structured Initialization for Vision Transformers

投稿日: 2025年5月27日 作成者: jarxiv

要約 畳み込みニューラルネットワーク（CNNS）は本質的に強力な誘導バイアスをエ … 続きを読む →

カテゴリー: cs.CV | Structured Initialization for Vision Transformers はコメントを受け付けていません

Progressive Scaling Visual Object Tracking

投稿日: 2025年5月27日 作成者: jarxiv

要約 この作業では、視覚的なオブジェクト追跡のためのプログレッシブスケーリングト … 続きを読む →

カテゴリー: cs.CV | Progressive Scaling Visual Object Tracking はコメントを受け付けていません

Optimizing edge AI models on HPC systems with the edge in the loop

投稿日: 2025年5月27日 作成者: jarxiv

要約 エッジデバイスに展開された人工知能および機械学習モデル、たとえば、添加剤の … 続きを読む →

カテゴリー: cs.CV, cs.DC, D.1.3 | Optimizing edge AI models on HPC systems with the edge in the loop はコメントを受け付けていません

NEXT: Multi-Grained Mixture of Experts via Text-Modulation for Multi-Modal Object Re-ID

投稿日: 2025年5月27日 作成者: jarxiv

要約 マルチモーダルオブジェクトの再識別（REID）は、複雑な現実世界のシナリオ … 続きを読む →

カテゴリー: cs.CV | NEXT: Multi-Grained Mixture of Experts via Text-Modulation for Multi-Modal Object Re-ID はコメントを受け付けていません

VideoJAM: Joint Appearance-Motion Representations for Enhanced Motion Generation in Video Models

投稿日: 2025年5月27日 作成者: jarxiv

要約 最近の途方もない進歩にもかかわらず、生成ビデオモデルは、現実世界の動き、ダ … 続きを読む →

カテゴリー: cs.CV | VideoJAM: Joint Appearance-Motion Representations for Enhanced Motion Generation in Video Models はコメントを受け付けていません

WorldSense: Evaluating Real-world Omnimodal Understanding for Multimodal LLMs

投稿日: 2025年5月27日 作成者: jarxiv

要約 マルチモーダルビデオの理解を評価する最初のベンチマークであるWorldSe … 続きを読む →

カテゴリー: cs.AI, cs.CV | WorldSense: Evaluating Real-world Omnimodal Understanding for Multimodal LLMs はコメントを受け付けていません

Decomposing Complex Visual Comprehension into Atomic Visual Skills for Vision Language Models

投稿日: 2025年5月27日 作成者: jarxiv

要約 最近のビジョン言語モデル（VLM）は、印象的なマルチモーダルの理解と推論能 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Decomposing Complex Visual Comprehension into Atomic Visual Skills for Vision Language Models はコメントを受け付けていません

Human-Aligned Image Models Improve Visual Decoding from the Brain

投稿日: 2025年5月27日 作成者: jarxiv

要約 脳活動からの視覚画像を解読することは、脳コンピューターの相互作用を進め、人 … 続きを読む →

カテゴリー: cs.CV, cs.LG | Human-Aligned Image Models Improve Visual Decoding from the Brain はコメントを受け付けていません