「cs.CV」カテゴリーアーカイブ

GSplatLoc: Grounding Keypoint Descriptors into 3D Gaussian Splatting for Improved Visual Localization

投稿日: 2025年3月21日 作成者: jarxiv

要約 シーン座標の回帰やカメラは回帰をもたらすなど、さまざまな視覚的ローカリゼー … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.RO | GSplatLoc: Grounding Keypoint Descriptors into 3D Gaussian Splatting for Improved Visual Localization はコメントを受け付けていません

LiMoE: Mixture of LiDAR Representation Learners from Automotive Scenes

投稿日: 2025年3月21日 作成者: jarxiv

要約 LIDARデータPretrainingは、データ利用を強化するために大規模 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.RO | LiMoE: Mixture of LiDAR Representation Learners from Automotive Scenes はコメントを受け付けていません

OpenMIBOOD: Open Medical Imaging Benchmarks for Out-Of-Distribution Detection

投稿日: 2025年3月21日 作成者: jarxiv

要約 ヘルスケアなどの重要なドメインにおける人工知能（AI）への依存度は、特に予 … 続きを読む →

カテゴリー: cs.CV, cs.LG | OpenMIBOOD: Open Medical Imaging Benchmarks for Out-Of-Distribution Detection はコメントを受け付けていません

Hybrid-Level Instruction Injection for Video Token Compression in Multi-modal Large Language Models

投稿日: 2025年3月21日 作成者: jarxiv

要約 最近のマルチモーダル大手言語モデル（MLLM）は、大規模なビデオフレームに … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | Hybrid-Level Instruction Injection for Video Token Compression in Multi-modal Large Language Models はコメントを受け付けていません

LongVALE: Vision-Audio-Language-Event Benchmark Towards Time-Aware Omni-Modal Perception of Long Videos

投稿日: 2025年3月21日 作成者: jarxiv

要約 ビデオ理解における印象的な進歩にもかかわらず、ほとんどの努力は粗いまたは視 … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.MM | LongVALE: Vision-Audio-Language-Event Benchmark Towards Time-Aware Omni-Modal Perception of Long Videos はコメントを受け付けていません

Words in Motion: Extracting Interpretable Control Vectors for Motion Transformers

投稿日: 2025年3月21日 作成者: jarxiv

要約 変圧器ベースのモデルは、解釈が困難な隠された状態を生成します。 この作業で … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG | Words in Motion: Extracting Interpretable Control Vectors for Motion Transformers はコメントを受け付けていません

Accurate Scene Text Recognition with Efficient Model Scaling and Cloze Self-Distillation

投稿日: 2025年3月21日 作成者: jarxiv

要約 スケーリングアーキテクチャは、シーンテキスト認識（STR）の改善に効果的で … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | Accurate Scene Text Recognition with Efficient Model Scaling and Cloze Self-Distillation はコメントを受け付けていません

Conjuring Positive Pairs for Efficient Unification of Representation Learning and Image Synthesis

投稿日: 2025年3月21日 作成者: jarxiv

要約 表現学習と生成モデリングは視覚データを理解しようとしていますが、両方のドメ … 続きを読む →

カテゴリー: cs.AI, cs.CV, I.2.10 | Conjuring Positive Pairs for Efficient Unification of Representation Learning and Image Synthesis はコメントを受け付けていません

EPAM-Net: An Efficient Pose-driven Attention-guided Multimodal Network for Video Action Recognition

投稿日: 2025年3月21日 作成者: jarxiv

要約 既存のマルチモーダルベースのヒューマンアクション認識アプローチは計算集中的 … 続きを読む →

カテゴリー: cs.AI, cs.CV | EPAM-Net: An Efficient Pose-driven Attention-guided Multimodal Network for Video Action Recognition はコメントを受け付けていません

RESFL: An Uncertainty-Aware Framework for Responsible Federated Learning by Balancing Privacy, Fairness and Utility in Autonomous Vehicles

投稿日: 2025年3月21日 作成者: jarxiv

要約 自動運転車（AVS）は、プライバシーを維持しながら知覚モデルを強化するため … 続きを読む →

カテゴリー: cs.CV, cs.DC, cs.ET, cs.LG | RESFL: An Uncertainty-Aware Framework for Responsible Federated Learning by Balancing Privacy, Fairness and Utility in Autonomous Vehicles はコメントを受け付けていません