「cs.CV」カテゴリーアーカイブ

SePPO: Semi-Policy Preference Optimization for Diffusion Alignment

投稿日: 2024年10月8日 作成者: jarxiv

要約 ヒューマン フィードバックからの強化学習 (RLHF) 手法は、ビジュアル … 続きを読む →

カテゴリー: cs.CV, cs.LG | SePPO: Semi-Policy Preference Optimization for Diffusion Alignment はコメントを受け付けていません

GS-VTON: Controllable 3D Virtual Try-on with Gaussian Splatting

投稿日: 2024年10月8日 作成者: jarxiv

要約 普及に基づいた 2D 仮想試着 (VTON) 技術は最近好調なパフォーマン … 続きを読む →

カテゴリー: cs.CV | GS-VTON: Controllable 3D Virtual Try-on with Gaussian Splatting はコメントを受け付けていません

DART: A Diffusion-Based Autoregressive Motion Model for Real-Time Text-Driven Motion Control

投稿日: 2024年10月8日 作成者: jarxiv

要約 自然言語によるユーザーの対話を可能にする、テキスト条件付きの人間のモーショ … 続きを読む →

カテゴリー: cs.CV, cs.GR | DART: A Diffusion-Based Autoregressive Motion Model for Real-Time Text-Driven Motion Control はコメントを受け付けていません

TextHawk2: A Large Vision-Language Model Excels in Bilingual OCR and Grounding with 16x Fewer Tokens

投稿日: 2024年10月8日 作成者: jarxiv

要約 密なテキストを読んだり、画像内のオブジェクトを見つけたりすることは、高度な … 続きを読む →

カテゴリー: cs.AI, cs.CV | TextHawk2: A Large Vision-Language Model Excels in Bilingual OCR and Grounding with 16x Fewer Tokens はコメントを受け付けていません

Brain Mapping with Dense Features: Grounding Cortical Semantic Selectivity in Natural Images With Vision Transformers

投稿日: 2024年10月8日 作成者: jarxiv

要約 大規模な人工ニューラル ネットワークの進歩により、脳の機能トポロジーに対す … 続きを読む →

カテゴリー: cs.CV, q-bio.NC | Brain Mapping with Dense Features: Grounding Cortical Semantic Selectivity in Natural Images With Vision Transformers はコメントを受け付けていません

Fine-Tuning CLIP’s Last Visual Projector: A Few-Shot Cornucopia

投稿日: 2024年10月8日 作成者: jarxiv

要約 CLIP (Radford et al., 2021) のような対照的に事 … 続きを読む →

カテゴリー: cs.CV | Fine-Tuning CLIP’s Last Visual Projector: A Few-Shot Cornucopia はコメントを受け付けていません

VLM2Vec: Training Vision-Language Models for Massive Multimodal Embedding Tasks

投稿日: 2024年10月8日 作成者: jarxiv

要約 埋め込みモデルは、意味的類似性、情報検索、クラスタリングなどのさまざまな下 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | VLM2Vec: Training Vision-Language Models for Massive Multimodal Embedding Tasks はコメントを受け付けていません

MetaMetrics: Calibrating Metrics For Generation Tasks Using Human Preferences

投稿日: 2024年10月8日 作成者: jarxiv

要約 パフォーマンス評価指標の品質を理解することは、モデルの出力が人間の好みに確 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG | MetaMetrics: Calibrating Metrics For Generation Tasks Using Human Preferences はコメントを受け付けていません

Studying and Mitigating Biases in Sign Language Understanding Models

投稿日: 2024年10月8日 作成者: jarxiv

要約 手話技術の利点がコミュニティのすべてのメンバーに公平に分配されるようにする … 続きを読む →

カテゴリー: cs.CL, cs.CV | Studying and Mitigating Biases in Sign Language Understanding Models はコメントを受け付けていません

Preserving Multi-Modal Capabilities of Pre-trained VLMs for Improving Vision-Linguistic Compositionality

投稿日: 2024年10月8日 作成者: jarxiv

要約 この論文では、ゼロショットのマルチモーダル タスクのパフォーマンスを犠牲に … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | Preserving Multi-Modal Capabilities of Pre-trained VLMs for Improving Vision-Linguistic Compositionality はコメントを受け付けていません