-
最近の投稿
- Design of a Visual Pose Estimation Algorithm for Moon Landing
- A novel step-by-step procedure for the kinematic calibration of robots using a single draw-wire encoder
- Ultra-High-Frequency Harmony: mmWave Radar and Event Camera Orchestrate Accurate Drone Landing
- Geometric Freeze-Tag Problem
- A Dual-Motor Actuator for Ceiling Robots with High Force and High Speed Capabilities
-
最近のコメント
表示できるコメントはありません。 cs.AI (34107) cs.CL (25783) cs.CR (2623) cs.CV (40027) cs.LG (39092) cs.RO (19895) cs.SY (3026) eess.IV (4764) eess.SY (3020) stat.ML (5162)
「cs.AI」カテゴリーアーカイブ
Temporal Misalignment and Probabilistic Neurons
要約 スパイクニューラルネットワーク（SNNS）は、生物学的神経原理を模倣するこ … 続きを読む
PLPHP: Per-Layer Per-Head Vision Token Pruning for Efficient Large Vision-Language Models
要約 大規模なビジョン言語モデル（LVLMS）は、さまざまなマルチモーダルタスク … 続きを読む
Towards Understanding Why Label Smoothing Degrades Selective Classification and How to Fix It
要約 ラベルスムージング（LS）は、テストの精度を改善するのに効果的で実装が簡単 … 続きを読む
BP-SGCN: Behavioral Pseudo-Label Informed Sparse Graph Convolution Network for Pedestrian and Heterogeneous Trajectory Prediction
要約 軌道予測により、交通エージェントの短期的な将来の動きを予測することにより、 … 続きを読む
YOLOv12: A Breakdown of the Key Architectural Features
要約 このペーパーでは、Yolov12の建築分析を紹介します。これは、重要な改善 … 続きを読む
MedVAE: Efficient Automated Interpretation of Medical Images with Large-Scale Generalizable Autoencoders
要約 医療画像は、臨床的意思決定に必要な細粒の特徴をキャプチャするために、大きな … 続きを読む
Harnessing PDF Data for Improving Japanese Large Multimodal Models
要約 大規模なマルチモーダルモデル（LMM）は英語で強力なパフォーマンスを実証し … 続きを読む
ReVision: A Dataset and Baseline VLM for Privacy-Preserving Task-Oriented Visual Instruction Rewriting
要約 AR、VR、および強力なカメラを備えた最新のスマートフォンが人間コンピュー … 続きを読む
Robin3D: Improving 3D Large Language Model via Robust Instruction Tuning
要約 3D大手言語モデル（3DLLMS）の最近の進歩は、3D現実世界の汎用エージ … 続きを読む
SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features
要約 元のSiglipの成功に基づいて構築された新しい多言語ビジョン言語エンコー … 続きを読む