-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
「cs.CV」カテゴリーアーカイブ
Enhancing Person-to-Person Virtual Try-On with Multi-Garment Virtual Try-Off
要約 コンピュータービジョンは、Virtual Try-On（VTON）と仮想ト … 続きを読む
EventVAD: Training-Free Event-Aware Video Anomaly Detection
要約 ビデオアノマリー検出〜（VAD）は、ビデオ内の異常の識別に焦点を当てていま … 続きを読む
カテゴリー: cs.CV
EventVAD: Training-Free Event-Aware Video Anomaly Detection はコメントを受け付けていません
RF-DETR Object Detection vs YOLOv12 : A Study of Transformer-based and CNN-based Architectures for Single-Class and Multi-Class Greenfruit Detection in Complex Orchard Environments Under Label Ambiguity
要約 この研究では、ラベルのあいまいさ、オクルージョン、およびバックグラウンドブ … 続きを読む
カテゴリー: cs.CV
RF-DETR Object Detection vs YOLOv12 : A Study of Transformer-based and CNN-based Architectures for Single-Class and Multi-Class Greenfruit Detection in Complex Orchard Environments Under Label Ambiguity はコメントを受け付けていません
Multimodal LLMs Can Reason about Aesthetics in Zero-Shot
要約 生成芸術の急速な進歩は、視覚的に心地よいイメージの作成を民主化しました。 … 続きを読む
UniEdit-Flow: Unleashing Inversion and Editing in the Era of Flow Models
要約 フローマッチングモデルは、拡散モデルの強力な代替品として浮上していますが、 … 続きを読む
カテゴリー: cs.CV
UniEdit-Flow: Unleashing Inversion and Editing in the Era of Flow Models はコメントを受け付けていません
Probing and Inducing Combinational Creativity in Vision-Language Models
要約 既存の概念を斬新なアイデアに組み合わせる能力は、人間の知性の基本的な特徴と … 続きを読む
VistaDPO: Video Hierarchical Spatial-Temporal Direct Preference Optimization for Large Video Models
要約 大規模な言語モデル（LLM）に基づいて構築された大規模なビデオモデル（LV … 続きを読む
Low-hallucination Synthetic Captions for Large-Scale Vision-Language Model Pre-training
要約 近年、ビジョン言語モデルのプリトレーニングの分野は、主に大規模な言語モデル … 続きを読む
Science-T2I: Addressing Scientific Illusions in Image Synthesis
要約 科学的知識を生成モデルに統合し、画像統合のリアリズムと一貫性を高めるための … 続きを読む
NTIRE 2025 Challenge on Short-form UGC Video Quality Assessment and Enhancement: Methods and Results
要約 このペーパーでは、短編UGCビデオ品質評価と強化に関するNTIRE 202 … 続きを読む