-
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
ZeroVO: Visual Odometry with Minimal Assumptions
要約 多様なカメラや環境でゼロショット一般化を達成する新しい視覚臭気（VO）アル … 続きを読む
カテゴリー: cs.CV
ZeroVO: Visual Odometry with Minimal Assumptions はコメントを受け付けていません
Dreamland: Controllable World Creation with Simulator and Generative Models
要約 大規模なビデオ生成モデルは、ダイナミックな世界創造のための多様で現実的な視 … 続きを読む
カテゴリー: cs.CV
Dreamland: Controllable World Creation with Simulator and Generative Models はコメントを受け付けていません
Hidden in plain sight: VLMs overlook their visual representations
要約 言語は、視覚タスクのパフォーマンスを指定および評価するための自然なインター … 続きを読む
Self Forcing: Bridging the Train-Test Gap in Autoregressive Video Diffusion
要約 自己回帰ビデオ拡散モデルの新しいトレーニングパラダイムである自己強制を紹介 … 続きを読む
GUI-Reflection: Empowering Multimodal GUI Models with Self-Reflection Behavior
要約 マルチモーダル大手言語モデル（MLLMS）は、グラフィカルユーザーインター … 続きを読む
Play to Generalize: Learning to Reason Through Game Play
要約 マルチモーダル大手言語モデル（MLLM）における一般化可能な推論機能の開発 … 続きを読む
Vision Transformers Don’t Need Trained Registers
要約 視覚変圧器における以前に特定された現象の根底にあるメカニズムを調査します。 … 続きを読む
4DGT: Learning a 4D Gaussian Transformer Using Real-World Monocular Videos
要約 ダイナミックシーンの再構築のための4Dガウスベースのトランスモデルである4 … 続きを読む
カテゴリー: cs.CV
4DGT: Learning a 4D Gaussian Transformer Using Real-World Monocular Videos はコメントを受け付けていません
StableMTL: Repurposing Latent Diffusion Models for Multi-Task Learning from Partially Annotated Synthetic Datasets
要約 密な予測のためのマルチタスク学習は、すべてのタスクの広範な注釈の必要性によ … 続きを読む