「cs.CV」カテゴリーアーカイブ

HELPD: Mitigating Hallucination of LVLMs by Hierarchical Feedback Learning with Vision-enhanced Penalty Decoding

投稿日: 2024年10月1日 作成者: jarxiv

要約 大規模視覚言語モデル (LVLM) は、多くの視覚言語タスクで顕著なパフォ … 続きを読む →

カテゴリー: cs.CL, cs.CV | HELPD: Mitigating Hallucination of LVLMs by Hierarchical Feedback Learning with Vision-enhanced Penalty Decoding はコメントを受け付けていません

IMITATE: Clinical Prior Guided Hierarchical Vision-Language Pre-training

投稿日: 2024年10月1日 作成者: jarxiv

要約 医療視覚言語事前トレーニング (VLP) の分野では、臨床レポートと関連す … 続きを読む →

カテゴリー: cs.CV, cs.LG | IMITATE: Clinical Prior Guided Hierarchical Vision-Language Pre-training はコメントを受け付けていません

Continual Human Pose Estimation for Incremental Integration of Keypoints and Pose Variations

投稿日: 2024年10月1日 作成者: jarxiv

要約 この論文では、以前に学習したデータセットの精度を失うことなく、新しいキーポ … 続きを読む →

カテゴリー: cs.CV | Continual Human Pose Estimation for Incremental Integration of Keypoints and Pose Variations はコメントを受け付けていません

IRFusionFormer: Enhancing Pavement Crack Segmentation with RGB-T Fusion and Topological-Based Loss

投稿日: 2024年10月1日 作成者: jarxiv

要約 亀裂のセグメント化は、土木工学において、特に舗装の完全性を評価し、インフラ … 続きを読む →

カテゴリー: cs.CV | IRFusionFormer: Enhancing Pavement Crack Segmentation with RGB-T Fusion and Topological-Based Loss はコメントを受け付けていません

FreeMask: Rethinking the Importance of Attention Masks for Zero-Shot Video Editing

投稿日: 2024年10月1日 作成者: jarxiv

要約 テキストからビデオへの普及モデルは目覚ましい進歩を遂げました。 時間的に一 … 続きを読む →

カテゴリー: cs.CV, cs.MM | FreeMask: Rethinking the Importance of Attention Masks for Zero-Shot Video Editing はコメントを受け付けていません

MemBench: Memorized Image Trigger Prompt Dataset for Diffusion Models

投稿日: 2024年10月1日 作成者: jarxiv

要約 拡散モデルは、テキストから画像への生成タスクで目覚ましい成功を収め、多くの … 続きを読む →

カテゴリー: cs.CV | MemBench: Memorized Image Trigger Prompt Dataset for Diffusion Models はコメントを受け付けていません

NUTRIVISION: A System for Automatic Diet Management in Smart Healthcare

投稿日: 2024年10月1日 作成者: jarxiv

要約 バランスの取れた食事を通じて健康と体力を維持することは、心臓病、糖尿病、が … 続きを読む →

カテゴリー: cs.CV | NUTRIVISION: A System for Automatic Diet Management in Smart Healthcare はコメントを受け付けていません

Accelerating Non-Maximum Suppression: A Graph Theory Perspective

投稿日: 2024年10月1日 作成者: jarxiv

要約 非最大抑制 (NMS) は、物体検出において不可欠な後処理ステップです。 … 続きを読む →

カテゴリー: cs.CV, cs.LG | Accelerating Non-Maximum Suppression: A Graph Theory Perspective はコメントを受け付けていません

Dual Encoder GAN Inversion for High-Fidelity 3D Head Reconstruction from Single Images

投稿日: 2024年10月1日 作成者: jarxiv

要約 3D GAN インバージョンは、単一の画像を 3D 敵対的生成ネットワーク … 続きを読む →

カテゴリー: cs.CG, cs.CV, cs.GR, cs.LG, eess.IV | Dual Encoder GAN Inversion for High-Fidelity 3D Head Reconstruction from Single Images はコメントを受け付けていません

Scaling Proprioceptive-Visual Learning with Heterogeneous Pre-trained Transformers

投稿日: 2024年10月1日 作成者: jarxiv

要約 今日のジェネラリストロボットモデルをトレーニングする際の障害の 1 つは、 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.RO | Scaling Proprioceptive-Visual Learning with Heterogeneous Pre-trained Transformers はコメントを受け付けていません