-
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)
「cs.AI」カテゴリーアーカイブ
RestoreVAR: Visual Autoregressive Generation for All-in-One Image Restoration
要約 安定した拡散などの潜在的な拡散モデル（LDMS）の使用は、オールインワン画 … 続きを読む
FDBPL: Faster Distillation-Based Prompt Learning for Region-Aware Vision-Language Models Adaptation
要約 視覚言語モデル（VLM）をダウンストリームタスクに適応させるために広く採用 … 続きを読む
Multi-Faceted Multimodal Monosemanticity
要約 人間は、ビジョン、言語、スピーチなどの複数のモダリティを通じて世界を経験し … 続きを読む
Deep Video Discovery: Agentic Search with Tool Use for Long-form Video Understanding
要約 長型のビデオ理解は、広範な時間空間的な複雑さと、そのような拡張されたコンテ … 続きを読む
CXReasonBench: A Benchmark for Evaluating Structured Diagnostic Reasoning in Chest X-rays
要約 大規模な視覚言語モデル（LVLMS）の最近の進捗により、レポート生成や視覚 … 続きを読む
A Clinician-Friendly Platform for Ophthalmic Image Analysis Without Technical Barriers
要約 人工知能（AI）は、医療イメージング診断において顕著な可能性を示しています … 続きを読む
MMXU: A Multi-Modal and Multi-X-ray Understanding Dataset for Disease Progression
要約 大規模な視覚言語モデル（LVLMS）は、特に視覚的な質問応答（MEDVQA … 続きを読む
VideoGameBench: Can Vision-Language Models complete popular video games?
要約 ビジョン言語モデル（VLMS）は、人間にとって挑戦的なコーディングと数学の … 続きを読む
WonderPlay: Dynamic 3D Scene Generation from a Single Image and Actions
要約 WonderPlayは、単一の画像からアクションコンディショニングされた動 … 続きを読む
Think or Not? Selective Reasoning via Reinforcement Learning for Vision-Language Models
要約 強化学習（RL）は、ビジョン言語モデル（VLM）の推論を強化するための効果 … 続きを読む