-
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
FEALLM: Advancing Facial Emotion Analysis in Multimodal Large Language Models with Emotional Synergy and Reasoning
要約 顔の感情分析（FEA）は、顔のデータに基づいて人の感情状態を推測することを … 続きを読む
カテゴリー: cs.CV
FEALLM: Advancing Facial Emotion Analysis in Multimodal Large Language Models with Emotional Synergy and Reasoning はコメントを受け付けていません
G1: Bootstrapping Perception and Reasoning Abilities of Vision-Language Model via Reinforcement Learning
要約 ビジョン言語モデル（VLM）は、多くの直接的なマルチモーダルタスクで優れて … 続きを読む
カテゴリー: cs.CV
G1: Bootstrapping Perception and Reasoning Abilities of Vision-Language Model via Reinforcement Learning はコメントを受け付けていません
MM-PRM: Enhancing Multimodal Mathematical Reasoning with Scalable Step-Level Supervision
要約 マルチモーダルの大手言語モデル（MLLM）は視覚言語の理解において印象的な … 続きを読む
Understanding Complexity in VideoQA via Visual Program Generation
要約 ビデオ質問（VideoQA）のクエリの複雑さを分析するためのデータ駆動型の … 続きを読む
カテゴリー: cs.CV
Understanding Complexity in VideoQA via Visual Program Generation はコメントを受け付けていません
Fine-tuning Quantized Neural Networks with Zeroth-order Optimization
要約 大規模な言語モデルのサイズが指数関数的に成長するにつれて、GPUメモリは、 … 続きを読む
KinTwin: Imitation Learning with Torque and Muscle Driven Biomechanical Models Enables Precise Replication of Able-Bodied and Impaired Movement from Markerless Motion Capture
要約 高品質の運動分析へのより広範なアクセスは、運動障害のより詳細な特性評価と介 … 続きを読む
カテゴリー: cs.CV
KinTwin: Imitation Learning with Torque and Muscle Driven Biomechanical Models Enables Precise Replication of Able-Bodied and Impaired Movement from Markerless Motion Capture はコメントを受け付けていません
FinePhys: Fine-grained Human Action Generation by Explicitly Incorporating Physical Laws for Effective Skeletal Guidance
要約 ビデオ生成の大幅な進歩にもかかわらず、特に細粒のセマンティクスと複雑な時間 … 続きを読む
VTBench: Evaluating Visual Tokenizers for Autoregressive Image Generation
要約 自己回帰（AR）モデルは最近、画像生成で強力なパフォーマンスを示しています … 続きを読む
Recollection from Pensieve: Novel View Synthesis via Learning from Uncalibrated Videos
要約 現在、ほとんどすべての最先端の新規ビューの統合と再構築モデルは、校正カメラ … 続きを読む
カテゴリー: cs.CV
Recollection from Pensieve: Novel View Synthesis via Learning from Uncalibrated Videos はコメントを受け付けていません