「cs.CV」カテゴリーアーカイブ

MIRACL-VISION: A Large, multilingual, visual document retrieval benchmark

投稿日: 2025年5月22日 作成者: jarxiv

要約 ドキュメント検索は、検索および検索の高等発電（RAG）アプリケーションの重 … 続きを読む →

カテゴリー: cs.CV, cs.IR | MIRACL-VISION: A Large, multilingual, visual document retrieval benchmark はコメントを受け付けていません

IA-T2I: Internet-Augmented Text-to-Image Generation

投稿日: 2025年5月22日 作成者: jarxiv

要約 現在のテキストからイメージ（T2I）生成モデルは有望な結果を達成しますが、 … 続きを読む →

カテゴリー: cs.AI, cs.CV | IA-T2I: Internet-Augmented Text-to-Image Generation はコメントを受け付けていません

VARD: Efficient and Dense Fine-Tuning for Diffusion Models with Value-based RL

投稿日: 2025年5月22日 作成者: jarxiv

要約 拡散モデルは、さまざまなドメインにわたって強力な生成ツールとして浮上してい … 続きを読む →

カテゴリー: cs.CV, cs.LG | VARD: Efficient and Dense Fine-Tuning for Diffusion Models with Value-based RL はコメントを受け付けていません

Interspatial Attention for Efficient 4D Human Video Generation

投稿日: 2025年5月22日 作成者: jarxiv

要約 デジタル人間のフォトリアリックなビデオを制御可能な方法で生成することは、多 … 続きを読む →

カテゴリー: cs.CV | Interspatial Attention for Efficient 4D Human Video Generation はコメントを受け付けていません

STAR-R1: Spacial TrAnsformation Reasoning by Reinforcing Multimodal LLMs

投稿日: 2025年5月22日 作成者: jarxiv

要約 マルチモーダル大手言語モデル（MLLM）は、多様なタスク全体で顕著な能力を … 続きを読む →

カテゴリー: cs.CV | STAR-R1: Spacial TrAnsformation Reasoning by Reinforcing Multimodal LLMs はコメントを受け付けていません

Symmetry-Robust 3D Orientation Estimation

投稿日: 2025年5月22日 作成者: jarxiv

要約 方向推定は、形状の方向軸を推定することで構成される3D形状分析の基本的なタ … 続きを読む →

カテゴリー: cs.CV, cs.LG | Symmetry-Robust 3D Orientation Estimation はコメントを受け付けていません

MMaDA: Multimodal Large Diffusion Language Models

投稿日: 2025年5月22日 作成者: jarxiv

要約 テキストの推論、マルチモーダル理解、テキストからイメージの生成などの多様な … 続きを読む →

カテゴリー: cs.CV | MMaDA: Multimodal Large Diffusion Language Models はコメントを受け付けていません

GUI-G1: Understanding R1-Zero-Like Training for Visual Grounding in GUI Agents

投稿日: 2025年5月22日 作成者: jarxiv

要約 最近のグラフィカルユーザーインターフェイス（GUI）エージェントは、R1- … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | GUI-G1: Understanding R1-Zero-Like Training for Visual Grounding in GUI Agents はコメントを受け付けていません

Leveraging the Powerful Attention of a Pre-trained Diffusion Model for Exemplar-based Image Colorization

投稿日: 2025年5月22日 作成者: jarxiv

要約 模範ベースの画像色付けは、参照色の画像を使用してグレースケール画像を色付け … 続きを読む →

カテゴリー: cs.CV | Leveraging the Powerful Attention of a Pre-trained Diffusion Model for Exemplar-based Image Colorization はコメントを受け付けていません

A Taxonomy of Structure from Motion Methods

投稿日: 2025年5月22日 作成者: jarxiv

要約 構造からの構造（SFM）とは、複数の画像のポイント対応から始まる構造（つま … 続きを読む →

カテゴリー: cs.CV | A Taxonomy of Structure from Motion Methods はコメントを受け付けていません