「cs.CV」カテゴリーアーカイブ

HOIDiNi: Human-Object Interaction through Diffusion Noise Optimization

投稿日: 2025年6月19日 作成者: jarxiv

要約 私たちは、現実的でもっともらしい人間とオブジェクトの相互作用（HOI）を合 … 続きを読む →

カテゴリー: cs.CV | コメントする

Generalized Out-of-Distribution Detection and Beyond in Vision Language Model Era: A Survey

投稿日: 2025年6月19日 作成者: jarxiv

要約 分散分布（OOD）サンプルの検出は、機械学習システムの安全性を確保するため … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | コメントする

FindingDory: A Benchmark to Evaluate Memory in Embodied Agents

投稿日: 2025年6月19日 作成者: jarxiv

要約 大規模なビジョン言語モデルは最近、計画および制御タスクの印象的なパフォーマ … 続きを読む →

カテゴリー: cs.CV, cs.RO | コメントする

Demystifying the Visual Quality Paradox in Multimodal Large Language Models

投稿日: 2025年6月19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、ベンチマークビジョン言語 … 続きを読む →

カテゴリー: cs.AI, cs.CV | コメントする

Dual-Stage Value-Guided Inference with Margin-Based Reward Adjustment for Fast and Faithful VLM Captioning

投稿日: 2025年6月19日 作成者: jarxiv

要約 ビジョン言語モデル（VLM）の推論時間検索の大幅な進歩にもかかわらず、既存 … 続きを読む →

カテゴリー: cs.CV, cs.LG | コメントする

Cosmos-Drive-Dreams: Scalable Synthetic Driving Data Generation with World Foundation Models

投稿日: 2025年6月19日 作成者: jarxiv

要約 自律車両（AV）などの安全性が批判的な物理AIシステムの実世界データを収集 … 続きを読む →

カテゴリー: cs.CV | コメントする

UniRelight: Learning Joint Decomposition and Synthesis for Video Relighting

投稿日: 2025年6月19日 作成者: jarxiv

要約 単一の画像またはビデオを再照合するという課題に対処します。これは、正確なシ … 続きを読む →

カテゴリー: cs.CV | コメントする

Sekai: A Video Dataset towards World Exploration

投稿日: 2025年6月19日 作成者: jarxiv

要約 ビデオ生成技術は驚くべき進歩を遂げており、インタラクティブな世界探査の基盤 … 続きを読む →

カテゴリー: cs.AI, cs.CV | コメントする

Embodied Web Agents: Bridging Physical-Digital Realms for Integrated Agent Intelligence

投稿日: 2025年6月19日 作成者: jarxiv

要約 今日のAIエージェントはほとんどが沈黙しています – 彼らはオ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM, cs.RO | コメントする

Particle-Grid Neural Dynamics for Learning Deformable Object Models from RGB-D Videos

投稿日: 2025年6月19日 作成者: jarxiv

要約 変形可能なオブジェクトのダイナミクスのモデリングは、それらの多様な物理的特 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.RO | コメントする