「cs.CV」カテゴリーアーカイブ

Pixel Is Not A Barrier: An Effective Evasion Attack for Pixel-Domain Diffusion Models

投稿日: 2024年8月22日 作成者: jarxiv

要約 拡散モデルは、高品質の画像合成のための強力な生成モデルとして登場し、その後 … 続きを読む →

カテゴリー: cs.CV | Pixel Is Not A Barrier: An Effective Evasion Attack for Pixel-Domain Diffusion Models はコメントを受け付けていません

EmbodiedSAM: Online Segment Any 3D Thing in Real Time

投稿日: 2024年8月22日 作成者: jarxiv

要約 具現化されたタスクでは、エージェントが探索と同時に 3D シーンを完全に理 … 続きを読む →

カテゴリー: cs.CV, cs.RO | EmbodiedSAM: Online Segment Any 3D Thing in Real Time はコメントを受け付けていません

SEA: Supervised Embedding Alignment for Token-Level Visual-Textual Integration in MLLMs

投稿日: 2024年8月22日 作成者: jarxiv

要約 マルチモーダル大規模言語モデル (MLLM) は、最近、顕著な知覚能力と推 … 続きを読む →

カテゴリー: cs.CV | SEA: Supervised Embedding Alignment for Token-Level Visual-Textual Integration in MLLMs はコメントを受け付けていません

SynPlay: Importing Real-world Diversity for a Synthetic Human Dataset

投稿日: 2024年8月22日 作成者: jarxiv

要約 現実世界における人間の外見の多様性を引き出すことを目的とした、新しい合成人 … 続きを読む →

カテゴリー: cs.CV | SynPlay: Importing Real-world Diversity for a Synthetic Human Dataset はコメントを受け付けていません

GRAB: A Challenging GRaph Analysis Benchmark for Large Multimodal Models

投稿日: 2024年8月22日 作成者: jarxiv

要約 大規模マルチモーダル モデル (LMM) は、多くの視覚的なタスクにわたっ … 続きを読む →

カテゴリー: cs.CV | GRAB: A Challenging GRaph Analysis Benchmark for Large Multimodal Models はコメントを受け付けていません

LongVILA: Scaling Long-Context Visual Language Models for Long Videos

投稿日: 2024年8月22日 作成者: jarxiv

要約 ロングコンテキスト機能は、マルチモーダル基盤モデル、特に長時間のビデオを理 … 続きを読む →

カテゴリー: cs.CL, cs.CV | LongVILA: Scaling Long-Context Visual Language Models for Long Videos はコメントを受け付けていません

Generative AI in Industrial Machine Vision — A Review

投稿日: 2024年8月22日 作成者: jarxiv

要約 マシン ビジョンは、機械が視覚データを解釈し、それに基づいて動作できるよう … 続きを読む →

カテゴリー: cs.CV, cs.LG, eess.IV | Generative AI in Industrial Machine Vision — A Review はコメントを受け付けていません

V-RoAst: A New Dataset for Visual Road Assessment

投稿日: 2024年8月22日 作成者: jarxiv

要約 道路交通事故は毎年何百万人もの死者を出しており、特に低・中所得国（LMIC … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.ET | V-RoAst: A New Dataset for Visual Road Assessment はコメントを受け付けていません

D$^3$FlowSLAM: Self-Supervised Dynamic SLAM with Flow Motion Decomposition and DINO Guidance

投稿日: 2024年8月22日 作成者: jarxiv

要約 この論文では、動的コンポーネントを正確に識別しながら動的シーンで堅牢に動作 … 続きを読む →

カテゴリー: cs.CV, cs.RO | D$^3$FlowSLAM: Self-Supervised Dynamic SLAM with Flow Motion Decomposition and DINO Guidance はコメントを受け付けていません

CrossFi: A Cross Domain Wi-Fi Sensing Framework Based on Siamese Network

投稿日: 2024年8月22日 作成者: jarxiv

要約 近年、Wi-Fi センシングは、プライバシー保護、低コスト、浸透能力などの … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, eess.SP | CrossFi: A Cross Domain Wi-Fi Sensing Framework Based on Siamese Network はコメントを受け付けていません