-
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
Instance Segmentation for Point Sets
要約 PointNet [QSMG16]やPointNet ++ [Qysg17 … 続きを読む
ActiveSSF: An Active-Learning-Guided Self-Supervised Framework for Long-Tailed Megakaryocyte Classification
要約 骨髄異形成症候群の診断には、巨核球の正確な分類が重要です。 自己監視学習は … 続きを読む
カテゴリー: cs.CV
ActiveSSF: An Active-Learning-Guided Self-Supervised Framework for Long-Tailed Megakaryocyte Classification はコメントを受け付けていません
KIND: Knowledge Integration and Diversion for Training Decomposable Models
要約 モデルパラメーターの複雑さが増加するため、事前に訓練されたモデルは好ましい … 続きを読む
カテゴリー: cs.CV
KIND: Knowledge Integration and Diversion for Training Decomposable Models はコメントを受け付けていません
3D Reconstruction from Sketches
要約 複数のスケッチから3Dシーンを再構築する問題を検討します。 (1)通信ポイ … 続きを読む
On the Generalizability of Foundation Models for Crop Type Mapping
要約 自己監視学習を使用した事前訓練を受けた基礎モデルは、言語理解、テキスト生成 … 続きを読む
KERL: Knowledge-Enhanced Personalized Recipe Recommendation using Large Language Models
要約 大規模な言語モデル(LLMS)の最近の進歩と食品データの豊富さにより、LL … 続きを読む
How Effective Can Dropout Be in Multiple Instance Learning ?
要約 複数のインスタンス学習(MIL)は、さまざまなアプリケーションに人気のある … 続きを読む
ReVLA: Reverting Visual Domain Limitation of Robotic Foundation Models
要約 大規模な言語モデルの最近の進歩と大規模なロボットデータセットへのアクセスは … 続きを読む
A General Framework for Group Sparsity in Hyperspectral Unmixing Using Endmember Bundles
要約 空間分解能が低いため、ハイパースペクトルデータは、多くの場合、複数の材料か … 続きを読む
Dual Precision Quantization for Efficient and Accurate Deep Neural Networks Inference
要約 深いニューラルネットワークは、自然言語処理やコンピュータービジョンから音声 … 続きを読む