「cs.CV」カテゴリーアーカイブ

3D CAVLA: Leveraging Depth and 3D Context to Generalize Vision Language Action Models for Unseen Tasks

投稿日: 2025年5月12日 作成者: jarxiv

要約 3Dでのロボット操作には、ロボットマニピュレーターの$ n $ freed … 続きを読む →

カテゴリー: cs.CV, cs.RO | 3D CAVLA: Leveraging Depth and 3D Context to Generalize Vision Language Action Models for Unseen Tasks はコメントを受け付けていません

RS2AD: End-to-End Autonomous Driving Data Generation from Roadside Sensor Observations

投稿日: 2025年5月12日 作成者: jarxiv

要約 洗練された制御コマンドを直接生成してマルチモーダル感覚データを処理するエン … 続きを読む →

カテゴリー: cs.CV, cs.RO | RS2AD: End-to-End Autonomous Driving Data Generation from Roadside Sensor Observations はコメントを受け付けていません

TAPTRv2: Attention-based Position Update Improves Tracking Any Point

投稿日: 2025年5月12日 作成者: jarxiv

要約 このホワイトペーパーでは、TAPTRベースのアプローチであるTAPTRV2 … 続きを読む →

カテゴリー: cs.CV, cs.RO | TAPTRv2: Attention-based Position Update Improves Tracking Any Point はコメントを受け付けていません

Enhancing Target-unspecific Tasks through a Features Matrix

投稿日: 2025年5月12日 作成者: jarxiv

要約 大規模なビジョン言語モデルの迅速な学習の最近の開発により、ターゲット固有の … 続きを読む →

カテゴリー: cs.CL, cs.CV | Enhancing Target-unspecific Tasks through a Features Matrix はコメントを受け付けていません

Leveraging Vision-Language Models for Visual Grounding and Analysis of Automotive UI

投稿日: 2025年5月12日 作成者: jarxiv

要約 最新の自動車インフォテインメントシステムには、頻繁なユーザーインターフェイ … 続きを読む →

カテゴリー: cs.AI, cs.CV | Leveraging Vision-Language Models for Visual Grounding and Analysis of Automotive UI はコメントを受け付けていません

Examining the Source of Defects from a Mechanical Perspective for 3D Anomaly Detection

投稿日: 2025年5月12日 作成者: jarxiv

要約 この論文では、構造用語でのみ異常を特定するだけでなく、異常の原因によって動 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Examining the Source of Defects from a Mechanical Perspective for 3D Anomaly Detection はコメントを受け付けていません

Mixed Text Recognition with Efficient Parameter Fine-Tuning and Transformer

投稿日: 2025年5月12日 作成者: jarxiv

要約 OCRテクノロジーの急速な発展に伴い、混合シーンテキスト認識が重要な技術的 … 続きを読む →

カテゴリー: cs.CV | Mixed Text Recognition with Efficient Parameter Fine-Tuning and Transformer はコメントを受け付けていません

DFEN: Dual Feature Equalization Network for Medical Image Segmentation

投稿日: 2025年5月12日 作成者: jarxiv

要約 医療画像セグメンテーションの現在の方法は、主に画像全体の観点からコンテキス … 続きを読む →

カテゴリー: cs.CV | DFEN: Dual Feature Equalization Network for Medical Image Segmentation はコメントを受け付けていません

Visualization of a multidimensional point cloud as a 3D swarm of avatars

投稿日: 2025年5月12日 作成者: jarxiv

要約 この記事では、Chernoff Facesに触発されたアイコンを使用して、 … 続きを読む →

カテゴリー: cs.CV, cs.HC | Visualization of a multidimensional point cloud as a 3D swarm of avatars はコメントを受け付けていません

From Flatland to Space: Teaching Vision-Language Models to Perceive and Reason in 3D

投稿日: 2025年5月12日 作成者: jarxiv

要約 LVLMSの最近の進歩により、視覚言語の理解が向上しましたが、彼らはまだ空 … 続きを読む →

カテゴリー: cs.CV | From Flatland to Space: Teaching Vision-Language Models to Perceive and Reason in 3D はコメントを受け付けていません