-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
「cs.CV」カテゴリーアーカイブ
GeoCalib: Learning Single-image Calibration with Geometric Optimization
要約 単一の画像から視覚的な手がかりを利用して、焦点距離や重力方向などのカメラの … 続きを読む
カテゴリー: cs.CV
GeoCalib: Learning Single-image Calibration with Geometric Optimization はコメントを受け付けていません
Question-Answering Dense Video Events
要約 マルチモーダル大規模言語モデル (MLLM) は、単一イベント ビデオの質 … 続きを読む
Evaluating Multiview Object Consistency in Humans and Image Models
要約 3D 形状推論タスクにおける人間の観察者と視覚モデルの間の整合性を直接評価 … 続きを読む
カテゴリー: cs.CV
Evaluating Multiview Object Consistency in Humans and Image Models はコメントを受け付けていません
Green Screen Augmentation Enables Scene Generalisation in Robotic Manipulation
要約 ビジョンベースの操作ポリシーを新しい環境に一般化することは、依然として困難 … 続きを読む
Neural Surface Reconstruction and Rendering for LiDAR-Visual Systems
要約 この論文では、神経放射フィールド (NeRF) とニューラル ディスタンス … 続きを読む
From Words to Poses: Enhancing Novel Object Pose Estimation with Vision Language Models
要約 ロボットは、新しい状況に継続的に適応する必要がある現実世界のシナリオで対話 … 続きを読む
OAFuser: Towards Omni-Aperture Fusion for Light Field Semantic Segmentation
要約 ライトフィールドカメラは、複雑な角度および空間の詳細を捉えることができます … 続きを読む
Concept Conductor: Orchestrating Multiple Personalized Concepts in Text-to-Image Synthesis
要約 テキストから画像へのモデルのカスタマイズは大幅に進歩しましたが、複数のパー … 続きを読む
Seeing Through the Mask: Rethinking Adversarial Examples for CAPTCHAs
要約 最新の CAPTCHA は、コンピュータにとっては難しくても人間にとっては … 続きを読む
CMMMU: A Chinese Massive Multi-discipline Multimodal Understanding Benchmark
要約 大規模マルチモーダル モデル (LMM) の機能が進化し続けるにつれて、L … 続きを読む