投稿者「jarxiv」のアーカイブ

VIViT: Variable-Input Vision Transformer Framework for 3D MR Image Segmentation

投稿日: 2025年5月14日 作成者: jarxiv

要約 自己監視された前のテクニックは、ダウンストリームタスクのパフォーマンスを改 … 続きを読む →

カテゴリー: cs.CV, eess.IV | VIViT: Variable-Input Vision Transformer Framework for 3D MR Image Segmentation はコメントを受け付けていません

SPAST: Arbitrary Style Transfer with Style Priors via Pre-trained Large-scale Model

投稿日: 2025年5月14日 作成者: jarxiv

要約 任意のコンテンツとスタイルのイメージを考えると、任意のスタイルの転送は、コ … 続きを読む →

カテゴリー: cs.CV | SPAST: Arbitrary Style Transfer with Style Priors via Pre-trained Large-scale Model はコメントを受け付けていません

Controllable Image Colorization with Instance-aware Texts and Masks

投稿日: 2025年5月14日 作成者: jarxiv

要約 最近、画像色に深い学習を適用することは、広範囲にわたる注目を集めています。 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Controllable Image Colorization with Instance-aware Texts and Masks はコメントを受け付けていません

2.5 Years in Class: A Multimodal Textbook for Vision-Language Pretraining

投稿日: 2025年5月14日 作成者: jarxiv

要約 画像テキストペアデータと比較して、インターリーブコーポラは、ビジョン言語モ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG | 2.5 Years in Class: A Multimodal Textbook for Vision-Language Pretraining はコメントを受け付けていません

Unsupervised Urban Land Use Mapping with Street View Contrastive Clustering and a Geographical Prior

投稿日: 2025年5月14日 作成者: jarxiv

要約 都市の土地利用の分類とマッピングは、都市計画、資源管理、環境監視に不可欠で … 続きを読む →

カテゴリー: cs.AI, cs.CV | Unsupervised Urban Land Use Mapping with Street View Contrastive Clustering and a Geographical Prior はコメントを受け付けていません

RT-GAN: Recurrent Temporal GAN for Adding Lightweight Temporal Consistency to Frame-Based Domain Translation Approaches

投稿日: 2025年5月14日 作成者: jarxiv

要約 米国では毎年1,400万件の大腸内視鏡検査が行われていますが、これらの大腸 … 続きを読む →

カテゴリー: cs.CV, eess.IV | RT-GAN: Recurrent Temporal GAN for Adding Lightweight Temporal Consistency to Frame-Based Domain Translation Approaches はコメントを受け付けていません

TiMo: Spatiotemporal Foundation Model for Satellite Image Time Series

投稿日: 2025年5月14日 作成者: jarxiv

要約 衛星画像の時系列（SITS）は、地球の表面の継続的な観測を提供し、環境管理 … 続きを読む →

カテゴリー: cs.CV | TiMo: Spatiotemporal Foundation Model for Satellite Image Time Series はコメントを受け付けていません

Hierarchical and Multimodal Data for Daily Activity Understanding

投稿日: 2025年5月14日 作成者: jarxiv

要約 人工知能の毎日の活動記録（ダライ、「ダーリー」と発音）は、現実世界の設定で … 続きを読む →

カテゴリー: cs.AI, cs.CV | Hierarchical and Multimodal Data for Daily Activity Understanding はコメントを受け付けていません

Extending Large Vision-Language Model for Diverse Interactive Tasks in Autonomous Driving

投稿日: 2025年5月14日 作成者: jarxiv

要約 大規模な視覚言語モデル（LVLMS）は、画像の理解が大幅に進歩しています。 … 続きを読む →

カテゴリー: cs.CV | Extending Large Vision-Language Model for Diverse Interactive Tasks in Autonomous Driving はコメントを受け付けていません

No Other Representation Component Is Needed: Diffusion Transformers Can Provide Representation Guidance by Themselves

投稿日: 2025年5月14日 作成者: jarxiv

要約 最近の研究では、意味のある内部表現を学ぶことで、生成トレーニングを加速し、 … 続きを読む →

カテゴリー: cs.CV | No Other Representation Component Is Needed: Diffusion Transformers Can Provide Representation Guidance by Themselves はコメントを受け付けていません