「cs.CV」カテゴリーアーカイブ

Towards Autonomous UAV Visual Object Search in City Space: Benchmark and Agentic Methodology

投稿日: 2025年5月15日 作成者: jarxiv

要約 都市環境での航空視覚オブジェクト検索（AVOS）タスクでは、外部ガイダンス … 続きを読む →

カテゴリー: cs.AI, cs.CV | Towards Autonomous UAV Visual Object Search in City Space: Benchmark and Agentic Methodology はコメントを受け付けていません

Enhancing Scene Coordinate Regression with Efficient Keypoint Detection and Sequential Information

投稿日: 2025年5月14日 作成者: jarxiv

要約 シーン座標回帰（SCR）は、ディープニューラルネットワーク（DNN）を利用 … 続きを読む →

カテゴリー: cs.CV, cs.RO | Enhancing Scene Coordinate Regression with Efficient Keypoint Detection and Sequential Information はコメントを受け付けていません

UAV-VLA: Vision-Language-Action System for Large Scale Aerial Mission Generation

投稿日: 2025年5月14日 作成者: jarxiv

要約 UAV-VLA（Visual-Language-action）システムは、 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.RO | UAV-VLA: Vision-Language-Action System for Large Scale Aerial Mission Generation はコメントを受け付けていません

Diffusion-VLA: Scaling Robot Foundation Models via Unified Diffusion and Autoregression

投稿日: 2025年5月14日 作成者: jarxiv

要約 この論文では、自己網性モデルと視覚運動ポリシーを学習するための拡散モデルを … 続きを読む →

カテゴリー: cs.CV, cs.RO | Diffusion-VLA: Scaling Robot Foundation Models via Unified Diffusion and Autoregression はコメントを受け付けていません

DexVLA: Vision-Language Model with Plug-In Diffusion Expert for General Robot Control

投稿日: 2025年5月14日 作成者: jarxiv

要約 ロボットがさまざまな環境で多様なタスクを実行できるようにすることは、ロボッ … 続きを読む →

カテゴリー: cs.CV, cs.RO | DexVLA: Vision-Language Model with Plug-In Diffusion Expert for General Robot Control はコメントを受け付けていません

TinyVLA: Towards Fast, Data-Efficient Vision-Language-Action Models for Robotic Manipulation

投稿日: 2025年5月14日 作成者: jarxiv

要約 Vision-Language-action（VLA）モデルは、エンドツー … 続きを読む →

カテゴリー: cs.CV, cs.RO | TinyVLA: Towards Fast, Data-Efficient Vision-Language-Action Models for Robotic Manipulation はコメントを受け付けていません

Towards Anytime Optical Flow Estimation with Event Cameras

投稿日: 2025年5月14日 作成者: jarxiv

要約 イベントカメラは、ミリ秒レベルでのlog輝度の変化に応答し、光学フローの推 … 続きを読む →

カテゴリー: cs.CV, cs.RO, eess.IV | Towards Anytime Optical Flow Estimation with Event Cameras はコメントを受け付けていません

SeriesBench: A Benchmark for Narrative-Driven Drama Series Understanding

投稿日: 2025年5月14日 作成者: jarxiv

要約 マルチモーダル大手言語モデル（MLLMS）の急速な発展により、これらのモデ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | SeriesBench: A Benchmark for Narrative-Driven Drama Series Understanding はコメントを受け付けていません

Judging the Judges: Can Large Vision-Language Models Fairly Evaluate Chart Comprehension and Reasoning?

投稿日: 2025年5月14日 作成者: jarxiv

要約 チャートは、人々がデータを理解し、推論するのを助けるため、遍在しています。 … 続きを読む →

カテゴリー: cs.CL, cs.CV | Judging the Judges: Can Large Vision-Language Models Fairly Evaluate Chart Comprehension and Reasoning? はコメントを受け付けていません

Dynamic Snake Upsampling Operater and Boundary-Skeleton Weighted Loss for Tubular Structure Segmentation

投稿日: 2025年5月14日 作成者: jarxiv

要約 尿細管トポロジー構造（亀裂や血管系など）の正確なセグメンテーションは、さま … 続きを読む →

カテゴリー: cs.CV | Dynamic Snake Upsampling Operater and Boundary-Skeleton Weighted Loss for Tubular Structure Segmentation はコメントを受け付けていません