cs.CV」カテゴリーアーカイブ

VITA: Towards Open-Source Interactive Omni Multimodal LLM

要約 GPT-4o の優れたマルチモーダル機能とインタラクティブなエクスペリエン … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.CV | VITA: Towards Open-Source Interactive Omni Multimodal LLM はコメントを受け付けていません

Img-Diff: Contrastive Data Synthesis for Multimodal Large Language Models

要約 高性能マルチモーダル大規模言語モデル (MLLM) は、データ品質に大きく … 続きを読む

カテゴリー: cs.AI, cs.CV | Img-Diff: Contrastive Data Synthesis for Multimodal Large Language Models はコメントを受け付けていません

GMISeg: General Medical Image Segmentation without Re-Training

要約 オンライン ショッピングの行動には、豊富な粒度の次元とデータの疎性という特 … 続きを読む

カテゴリー: cs.CV, eess.IV | GMISeg: General Medical Image Segmentation without Re-Training はコメントを受け付けていません

MS-Twins: Multi-Scale Deep Self-Attention Networks for Medical Image Segmentation

要約 胸部 X 線検査は、胸部疾患を診断するための最も一般的な放射線検査の 1 … 続きを読む

カテゴリー: cs.CV, eess.IV | MS-Twins: Multi-Scale Deep Self-Attention Networks for Medical Image Segmentation はコメントを受け付けていません

SPOC: Imitating Shortest Paths in Simulation Enables Effective Navigation and Manipulation in the Real World

要約 高密度の報酬を伴う強化学習 (RL) と人間が生成した軌道を伴う模倣学習 … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.RO | SPOC: Imitating Shortest Paths in Simulation Enables Effective Navigation and Manipulation in the Real World はコメントを受け付けていません

Grasping Trajectory Optimization with Point Clouds

要約 ロボットと作業空間の点群表現に基づいたロボットによる把持のための新しい軌道 … 続きを読む

カテゴリー: cs.CV, cs.RO | Grasping Trajectory Optimization with Point Clouds はコメントを受け付けていません

Edit As You Wish: Video Caption Editing with Multi-grained User Control

要約 ユーザーのリクエストに応じて自然言語でビデオを自動的にナレーションすること … 続きを読む

カテゴリー: cs.CV, cs.MM | Edit As You Wish: Video Caption Editing with Multi-grained User Control はコメントを受け付けていません

Enhancing Journalism with AI: A Study of Contextualized Image Captioning for News Articles using LLMs and LMMs

要約 大規模言語モデル (LLM) と大規模マルチモーダル モデル (LMM) … 続きを読む

カテゴリー: cs.CL, cs.CV | Enhancing Journalism with AI: A Study of Contextualized Image Captioning for News Articles using LLMs and LMMs はコメントを受け付けていません

HARMamba: Efficient and Lightweight Wearable Sensor Human Activity Recognition Based on Bidirectional Mamba

要約 ウェアラブル センサー ベースの人間活動認識 (HAR) は、活動認識にお … 続きを読む

カテゴリー: cs.AI, cs.CV | HARMamba: Efficient and Lightweight Wearable Sensor Human Activity Recognition Based on Bidirectional Mamba はコメントを受け付けていません

Fast and Accurate Object Detection on Asymmetrical Receptive Field

要約 物体検出は幅広い業界で使用されています。 たとえば、自動運転における物体検 … 続きを読む

カテゴリー: cs.CV | Fast and Accurate Object Detection on Asymmetrical Receptive Field はコメントを受け付けていません