「cs.AI」カテゴリーアーカイブ

Integrating AI for Human-Centric Breast Cancer Diagnostics: A Multi-Scale and Multi-View Swin Transformer Framework

投稿日: 2025年3月18日 作成者: jarxiv

要約 コンピューター支援診断（CAD）システムの進歩にもかかわらず、乳がんは世界 … 続きを読む →

カテゴリー: cs.AI, cs.CV, eess.IV | Integrating AI for Human-Centric Breast Cancer Diagnostics: A Multi-Scale and Multi-View Swin Transformer Framework はコメントを受け付けていません

Classifier-Free Guidance inside the Attraction Basin May Cause Memorization

投稿日: 2025年3月18日 作成者: jarxiv

要約 拡散モデルは、トレーニングデータから画像を正確に再現する傾向があります。 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | Classifier-Free Guidance inside the Attraction Basin May Cause Memorization はコメントを受け付けていません

LEAVS: An LLM-based Labeler for Abdominal CT Supervision

投稿日: 2025年3月18日 作成者: jarxiv

要約 放射線レポートから構造化されたラベルの抽出が採用されており、視力モデルを作 … 続きを読む →

カテゴリー: cs.AI, cs.CV, eess.IV | LEAVS: An LLM-based Labeler for Abdominal CT Supervision はコメントを受け付けていません

Mitigating Visual Forgetting via Take-along Visual Conditioning for Multi-modal Long CoT Reasoning

投稿日: 2025年3月18日 作成者: jarxiv

要約 大規模な言語モデル（LLMS）の最近の進歩は、推論能力の強化を実証しており … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | Mitigating Visual Forgetting via Take-along Visual Conditioning for Multi-modal Long CoT Reasoning はコメントを受け付けていません

Sightation Counts: Leveraging Sighted User Feedback in Building a BLV-aligned Dataset of Diagram Descriptions

投稿日: 2025年3月18日 作成者: jarxiv

要約 多くの場合、アノテーターグループとエンドユーザーグループ間でニーズと視覚能 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.HC | Sightation Counts: Leveraging Sighted User Feedback in Building a BLV-aligned Dataset of Diagram Descriptions はコメントを受け付けていません

TimeZero: Temporal Video Grounding with Reasoning-Guided LVLM

投稿日: 2025年3月18日 作成者: jarxiv

要約 Timezeroを紹介します。Timezeroは、Timezeroを紹介し … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | TimeZero: Temporal Video Grounding with Reasoning-Guided LVLM はコメントを受け付けていません

Cream of the Crop: Harvesting Rich, Scalable and Transferable Multi-Modal Data for Instruction Fine-Tuning

投稿日: 2025年3月18日 作成者: jarxiv

要約 前処理された大規模な言語モデル（LLM）は、微調整（SFT）段階（Zhou … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG | Cream of the Crop: Harvesting Rich, Scalable and Transferable Multi-Modal Data for Instruction Fine-Tuning はコメントを受け付けていません

Scale Efficient Training for Large Datasets

投稿日: 2025年3月18日 作成者: jarxiv

要約 データセットスケールの急速な成長は、深い学習研究を進めるための重要な要因と … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | Scale Efficient Training for Large Datasets はコメントを受け付けていません

MicroVQA: A Multimodal Reasoning Benchmark for Microscopy-Based Scientific Research

投稿日: 2025年3月18日 作成者: jarxiv

要約 科学研究には、マルチモーダルデータよりも洗練された推論が必要です。これは、 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, q-bio.CB | MicroVQA: A Multimodal Reasoning Benchmark for Microscopy-Based Scientific Research はコメントを受け付けていません

Robust Latent Matters: Boosting Image Generation with Sampling Error Synthesis

投稿日: 2025年3月18日 作成者: jarxiv

要約 通常、最近の画像生成スキームは、凍結画像トークネイザーに依存して、事前に構 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Robust Latent Matters: Boosting Image Generation with Sampling Error Synthesis はコメントを受け付けていません