「cs.CV」カテゴリーアーカイブ

VideoUFO: A Million-Scale User-Focused Dataset for Text-to-Video Generation

投稿日: 2025年5月14日 作成者: jarxiv

要約 テキストからビデオへの生成モデルは、テキストプロンプトを動的な視覚コンテン … 続きを読む →

カテゴリー: cs.CV | VideoUFO: A Million-Scale User-Focused Dataset for Text-to-Video Generation はコメントを受け付けていません

Advancing Food Nutrition Estimation via Visual-Ingredient Feature Fusion

投稿日: 2025年5月14日 作成者: jarxiv

要約 栄養推定は、健康的な食事を促進し、食事関連の健康リスクを軽減する重要な要素 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Advancing Food Nutrition Estimation via Visual-Ingredient Feature Fusion はコメントを受け付けていません

Aya Vision: Advancing the Frontier of Multilingual Multimodality

投稿日: 2025年5月14日 作成者: jarxiv

要約 マルチモーダル言語モデルの構築は根本的に困難です。ビジョンと言語のモダリテ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG | Aya Vision: Advancing the Frontier of Multilingual Multimodality はコメントを受け付けていません

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

投稿日: 2025年5月14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

HarmoniCa: Harmonizing Training and Inference for Better Feature Caching in Diffusion Transformer Acceleration

投稿日: 2025年5月14日 作成者: jarxiv

要約 拡散変圧器（DIT）は生成タスクに優れていますが、推論コストが高いため、実 … 続きを読む →

カテゴリー: cs.CV | HarmoniCa: Harmonizing Training and Inference for Better Feature Caching in Diffusion Transformer Acceleration はコメントを受け付けていません

Breast Cancer Histopathology Classification using CBAM-EfficientNetV2 with Transfer Learning

投稿日: 2025年5月14日 作成者: jarxiv

要約 乳がんの組織病理学の画像分類は、早期発見と患者の転帰の改善に重要です。 1 … 続きを読む →

カテゴリー: cs.CV, cs.LG, eess.IV | Breast Cancer Histopathology Classification using CBAM-EfficientNetV2 with Transfer Learning はコメントを受け付けていません

Efficient Adaptation For Remote Sensing Visual Grounding

投稿日: 2025年5月14日 作成者: jarxiv

要約 事前に訓練されたモデルの適応は、人工知能における効果的な戦略となっており、 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | Efficient Adaptation For Remote Sensing Visual Grounding はコメントを受け付けていません

UniSkill: Imitating Human Videos via Cross-Embodiment Skill Representations

投稿日: 2025年5月14日 作成者: jarxiv

要約 模倣は人間の基本的な学習メカニズムであり、個人が専門家を観察し模倣すること … 続きを読む →

カテゴリー: cs.CV, cs.RO | UniSkill: Imitating Human Videos via Cross-Embodiment Skill Representations はコメントを受け付けていません

GP-GS: Gaussian Processes for Enhanced Gaussian Splatting

投稿日: 2025年5月14日 作成者: jarxiv

要約 3Dガウスのスプラッティングは、効率的なフォトリアリスティックな新規ビュー … 続きを読む →

カテゴリー: 68T45, cs.AI, cs.CV | GP-GS: Gaussian Processes for Enhanced Gaussian Splatting はコメントを受け付けていません

FLUXSynID: A Framework for Identity-Controlled Synthetic Face Generation with Document and Live Images

投稿日: 2025年5月14日 作成者: jarxiv

要約 合成フェイスデータセットは、プライバシーの懸念、人口統計の不均衡、高い収集 … 続きを読む →

カテゴリー: cs.CV | FLUXSynID: A Framework for Identity-Controlled Synthetic Face Generation with Document and Live Images はコメントを受け付けていません