「cs.CV」カテゴリーアーカイブ

Rethinking Crowd-Sourced Evaluation of Neuron Explanations

投稿日: 2025年6月10日 作成者: jarxiv

要約 アクティベーションの個々のニューロンまたは方向の解釈空間は、機械的解釈可能 … 続きを読む →

カテゴリー: cs.CV, cs.LG | Rethinking Crowd-Sourced Evaluation of Neuron Explanations はコメントを受け付けていません

Rethinking Cross-Modal Interaction in Multimodal Diffusion Transformers

投稿日: 2025年6月10日 作成者: jarxiv

要約 マルチモーダル拡散トランス（MM-DITS）は、テキスト駆動型の視覚生成に … 続きを読む →

カテゴリー: cs.CV | Rethinking Cross-Modal Interaction in Multimodal Diffusion Transformers はコメントを受け付けていません

PairEdit: Learning Semantic Variations for Exemplar-based Image Editing

投稿日: 2025年6月10日 作成者: jarxiv

要約 テキスト誘導画像編集における最近の進歩は、微調整されたセマンティックコント … 続きを読む →

カテゴリー: cs.CV | PairEdit: Learning Semantic Variations for Exemplar-based Image Editing はコメントを受け付けていません

UA-Pose: Uncertainty-Aware 6D Object Pose Estimation and Online Object Completion with Partial References

投稿日: 2025年6月10日 作成者: jarxiv

要約 6Dオブジェクトのポーズ推定により、新しいオブジェクトが強力な一般化可能性 … 続きを読む →

カテゴリー: cs.CV, cs.RO | UA-Pose: Uncertainty-Aware 6D Object Pose Estimation and Online Object Completion with Partial References はコメントを受け付けていません

Generative Modeling of Weights: Generalization or Memorization?

投稿日: 2025年6月10日 作成者: jarxiv

要約 イメージとビデオ生成に成功した生成モデルは、効果的なニューラルネットワーク … 続きを読む →

カテゴリー: cs.CV, cs.LG | Generative Modeling of Weights: Generalization or Memorization? はコメントを受け付けていません

MADFormer: Mixed Autoregressive and Diffusion Transformers for Continuous Image Generation

投稿日: 2025年6月10日 作成者: jarxiv

要約 マルチモーダル生成の最近の進歩により、自己回帰（AR）と拡散ベースのアプロ … 続きを読む →

カテゴリー: cs.CV, cs.LG | MADFormer: Mixed Autoregressive and Diffusion Transformers for Continuous Image Generation はコメントを受け付けていません

E3D-Bench: A Benchmark for End-to-End 3D Geometric Foundation Models

投稿日: 2025年6月10日 作成者: jarxiv

要約 3D再構成、知覚、および推論を含む空間インテリジェンスは、ロボット工学、空 … 続きを読む →

カテゴリー: cs.CV | E3D-Bench: A Benchmark for End-to-End 3D Geometric Foundation Models はコメントを受け付けていません

Aligning Text, Images, and 3D Structure Token-by-Token

投稿日: 2025年6月10日 作成者: jarxiv

要約 3Dで世界を理解できるマシンの作成は、3次元空間内でナビゲートおよび相互作 … 続きを読む →

カテゴリー: cs.CV | Aligning Text, Images, and 3D Structure Token-by-Token はコメントを受け付けていません

Audio-Sync Video Generation with Multi-Stream Temporal Control

投稿日: 2025年6月10日 作成者: jarxiv

要約 オーディオは本質的に一時的であり、視覚的な世界と密接に同期されているため、 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Audio-Sync Video Generation with Multi-Stream Temporal Control はコメントを受け付けていません

Dynamic View Synthesis as an Inverse Problem

投稿日: 2025年6月10日 作成者: jarxiv

要約 この作業では、トレーニングなしの設定での逆の問題として、単眼動画からの動的 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Dynamic View Synthesis as an Inverse Problem はコメントを受け付けていません