cs.CV」カテゴリーアーカイブ

Adapting SAM 2 for Visual Object Tracking: 1st Place Solution for MMVPR Challenge Multi-Modal Tracking

要約 モデル2(SAM2)を視覚オブジェクト追跡(投票)タスクにセグメントに適応 … 続きを読む

カテゴリー: cs.CV | Adapting SAM 2 for Visual Object Tracking: 1st Place Solution for MMVPR Challenge Multi-Modal Tracking はコメントを受け付けていません

MMXU: A Multi-Modal and Multi-X-ray Understanding Dataset for Disease Progression

要約 大規模な視覚言語モデル(LVLMS)は、特に視覚的な質問応答(MEDVQA … 続きを読む

カテゴリー: cs.AI, cs.CV | MMXU: A Multi-Modal and Multi-X-ray Understanding Dataset for Disease Progression はコメントを受け付けていません

Instructify: Demystifying Metadata to Visual Instruction Tuning Data Conversion

要約 視覚指導の調整(訪問)データは、一般的に人間のターンでインターリーブされた … 続きを読む

カテゴリー: cs.CV | Instructify: Demystifying Metadata to Visual Instruction Tuning Data Conversion はコメントを受け付けていません

Synergistic Bleeding Region and Point Detection in Laparoscopic Surgical Videos

要約 腹腔鏡手術における術中出血は、手術分野の急速な不明瞭さを引き起こし、外科的 … 続きを読む

カテゴリー: cs.CV | Synergistic Bleeding Region and Point Detection in Laparoscopic Surgical Videos はコメントを受け付けていません

One RL to See Them All: Visual Triple Unified Reinforcement Learning

要約 強化学習(RL)は、ビジョン言語モデル(VLM)の推論能力を大幅に進めてい … 続きを読む

カテゴリー: cs.CL, cs.CV | One RL to See Them All: Visual Triple Unified Reinforcement Learning はコメントを受け付けていません

BiggerGait: Unlocking Gait Recognition with Layer-wise Representations from Large Vision Models

要約 大型ビジョンモデル(LVM)ベースの歩行認識は、印象的なパフォーマンスを達 … 続きを読む

カテゴリー: cs.CV | BiggerGait: Unlocking Gait Recognition with Layer-wise Representations from Large Vision Models はコメントを受け付けていません

VideoGameBench: Can Vision-Language Models complete popular video games?

要約 ビジョン言語モデル(VLMS)は、人間にとって挑戦的なコーディングと数学の … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.CV | VideoGameBench: Can Vision-Language Models complete popular video games? はコメントを受け付けていません

Boosting Open Set Recognition Performance through Modulated Representation Learning

要約 オープンセット認識(OSR)問題は、トレーニングクラスの一部ではない新しい … 続きを読む

カテゴリー: cs.CV, cs.LG | Boosting Open Set Recognition Performance through Modulated Representation Learning はコメントを受け付けていません

TokBench: Evaluating Your Visual Tokenizer before Visual Generation

要約 この作業では、細粒の特徴を保存する際の視覚トークナザーとVAEの限界を明ら … 続きを読む

カテゴリー: cs.CV, cs.DB | TokBench: Evaluating Your Visual Tokenizer before Visual Generation はコメントを受け付けていません

WonderPlay: Dynamic 3D Scene Generation from a Single Image and Actions

要約 WonderPlayは、単一の画像からアクションコンディショニングされた動 … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.GR | WonderPlay: Dynamic 3D Scene Generation from a Single Image and Actions はコメントを受け付けていません