-
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
GroundCap: A Visually Grounded Image Captioning Dataset
要約 現在の画像キャプションシステムには、説明テキストを特定の視覚要素にリンクす … 続きを読む
CoMP: Continual Multimodal Pre-training for Vision Foundation Models
要約 事前に訓練されたVision Foundationモデル（VFM）は、幅広 … 続きを読む
カテゴリー: cs.CV
CoMP: Continual Multimodal Pre-training for Vision Foundation Models はコメントを受け付けていません
SyncVP: Joint Diffusion for Synchronous Multi-Modal Video Prediction
要約 将来のビデオフレームを予測することは意思決定システムに不可欠ですが、RGB … 続きを読む
カテゴリー: cs.CV
SyncVP: Joint Diffusion for Synchronous Multi-Modal Video Prediction はコメントを受け付けていません
AdaWorld: Learning Adaptable World Models with Latent Actions
要約 世界モデルは、アクション制御された予測モデルを学ぶことを目指しており、イン … 続きを読む
Training-free Diffusion Acceleration with Bottleneck Sampling
要約 拡散モデルは、視覚コンテンツの生成において顕著な機能を実証していますが、推 … 続きを読む
カテゴリー: cs.CV
Training-free Diffusion Acceleration with Bottleneck Sampling はコメントを受け付けていません
Video-T1: Test-Time Scaling for Video Generation
要約 トレーニングデータ、モデルサイズ、および計算コストの増加のスケール機能によ … 続きを読む
SlowFast-LLaVA-1.5: A Family of Token-Efficient Video Large Language Models for Long-Form Video Understanding
要約 Slowaffast-llava-1.5（SF-llava-1.5として省 … 続きを読む
カテゴリー: cs.CV
SlowFast-LLaVA-1.5: A Family of Token-Efficient Video Large Language Models for Long-Form Video Understanding はコメントを受け付けていません
DINO in the Room: Leveraging 2D Foundation Models for 3D Segmentation
要約 大規模な画像データセットでトレーニングされたVision Foundati … 続きを読む
カテゴリー: cs.CV
DINO in the Room: Leveraging 2D Foundation Models for 3D Segmentation はコメントを受け付けていません
Aether: Geometric-Aware Unified World Modeling
要約 幾何学的再構築と生成モデリングの統合は、人間のような空間的推論が可能なAI … 続きを読む
Tuning-Free Amodal Segmentation via the Occlusion-Free Bias of Inpainting Models
要約 Amodalセグメンテーションは、オブジェクトの可視領域と閉塞領域の両方の … 続きを読む
カテゴリー: cs.CV
Tuning-Free Amodal Segmentation via the Occlusion-Free Bias of Inpainting Models はコメントを受け付けていません