「cs.AI」カテゴリーアーカイブ

Chain-of-Jailbreak Attack for Image Generation Models via Editing Step by Step

投稿日: 2025年6月4日 作成者: jarxiv

要約 Stable Diffusion や DALL-E 3 のようなテキストベ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CR, cs.CV, cs.MM | Chain-of-Jailbreak Attack for Image Generation Models via Editing Step by Step はコメントを受け付けていません

OmniSpatial: Towards Comprehensive Spatial Reasoning Benchmark for Vision Language Models

投稿日: 2025年6月4日 作成者: jarxiv

要約 空間推論は認知心理学の重要な側面であり、現在の視覚言語モデル（VLM）の大 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | OmniSpatial: Towards Comprehensive Spatial Reasoning Benchmark for Vision Language Models はコメントを受け付けていません

SVGenius: Benchmarking LLMs in SVG Understanding, Editing and Generation

投稿日: 2025年6月4日 作成者: jarxiv

要約 ラージ・ランゲージ・モデル（LLM）とマルチモーダルLLMはSVG処理に有 … 続きを読む →

カテゴリー: cs.AI, cs.CV | SVGenius: Benchmarking LLMs in SVG Understanding, Editing and Generation はコメントを受け付けていません

GUI-Actor: Coordinate-Free Visual Grounding for GUI Agents

投稿日: 2025年6月4日 作成者: jarxiv

要約 VLMを搭載したGUIエージェントを構築する際の主な課題の1つは、視覚的グ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | GUI-Actor: Coordinate-Free Visual Grounding for GUI Agents はコメントを受け付けていません

UniWorld: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation

投稿日: 2025年6月4日 作成者: jarxiv

要約 既存の統一的なモデルは、視覚言語理解やテキストから画像への生成では強力な性 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | UniWorld: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation はコメントを受け付けていません

IllumiCraft: Unified Geometry and Illumination Diffusion for Controllable Video Generation

投稿日: 2025年6月4日 作成者: jarxiv

要約 拡散ベースのモデルは、テキストまたは画像入力から高品質で高解像度のビデオシ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | IllumiCraft: Unified Geometry and Illumination Diffusion for Controllable Video Generation はコメントを受け付けていません

TACLR: A Scalable and Efficient Retrieval-based Method for Industrial Product Attribute Value Identification

投稿日: 2025年6月4日 作成者: jarxiv

要約 商品属性値同定（PAVI）は、商品プロファイルから属性値を同定するもので、 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.IR | TACLR: A Scalable and Efficient Retrieval-based Method for Industrial Product Attribute Value Identification はコメントを受け付けていません

Prisma: An Open Source Toolkit for Mechanistic Interpretability in Vision and Video

投稿日: 2025年6月4日 作成者: jarxiv

要約 ロバストなツールと一般に利用可能な事前訓練されたモデルは、言語モデルのメカ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | Prisma: An Open Source Toolkit for Mechanistic Interpretability in Vision and Video はコメントを受け付けていません

DiffVLA: Vision-Language Guided Diffusion Planning for Autonomous Driving

投稿日: 2025年6月4日 作成者: jarxiv

要約 エンド・ツー・エンドの自律走行に関する研究は、知覚、予測、計画といったモジ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.RO | DiffVLA: Vision-Language Guided Diffusion Planning for Autonomous Driving はコメントを受け付けていません

Don’t Push the Button! Exploring Data Leakage Risks in Machine Learning and Transfer Learning

投稿日: 2025年6月3日 作成者: jarxiv

要約 機械学習（ML）はさまざまなドメインに革命をもたらし、いくつかの分野で予測 … 続きを読む →

カテゴリー: cs.AI, cs.LG | Don’t Push the Button! Exploring Data Leakage Risks in Machine Learning and Transfer Learning はコメントを受け付けていません