「cs.CV」カテゴリーアーカイブ

Interpreting and Editing Vision-Language Representations to Mitigate Hallucinations

投稿日: 2024年10月4日 作成者: jarxiv

要約 我々は、視覚言語モデル(VLM)の内部表現を調査し、モデルサイズとトレーニ … 続きを読む →

カテゴリー: cs.CV, cs.LG | コメントする

Flash-Splat: 3D Reflection Removal with Flash Cues and Gaussian Splats

投稿日: 2024年10月4日 作成者: jarxiv

要約 透過光と反射光を分離するための、シンプルで効果的なアプローチを紹介する。我 … 続きを読む →

カテゴリー: cs.CV, cs.LG, eess.IV | コメントする

Plots Unlock Time-Series Understanding in Multimodal Models

投稿日: 2024年10月4日 作成者: jarxiv

要約 マルチモーダル基礎モデルは、テキスト以外のデータもネイティブに扱うことがで … 続きを読む →

カテゴリー: cs.AI, cs.CV | コメントする

Unsupervised Point Cloud Completion through Unbalanced Optimal Transport

投稿日: 2024年10月4日 作成者: jarxiv

要約 ペアリングされていない点群補完では、ペアリングされていない不完全な点群デー … 続きを読む →

カテゴリー: cs.AI, cs.CV | コメントする

VideoPhy: Evaluating Physical Commonsense for Video Generation

投稿日: 2024年10月4日 作成者: jarxiv

要約 インターネット規模のビデオデータの事前学習における最近の進歩により、幅広い … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | コメントする

SteerDiff: Steering towards Safe Text-to-Image Diffusion Models

投稿日: 2024年10月4日 作成者: jarxiv

要約 T2I（Text-to-image）拡散モデルは、テキストを正確に配置した … 続きを読む →

カテゴリー: cs.AI, cs.CR, cs.CV | コメントする

Curvature Diversity-Driven Deformation and Domain Alignment for Point Cloud

投稿日: 2024年10月4日 作成者: jarxiv

要約 教師なし領域適応（UDA）は、点群データでディープネットワークを学習する際 … 続きを読む →

カテゴリー: cs.AI, cs.CV | コメントする

Revisit Large-Scale Image-Caption Data in Pre-training Multimodal Foundation Models

投稿日: 2024年10月4日 作成者: jarxiv

要約 マルチモーダルモデルにおける最近の進歩は、パフォーマンスを向上させるために … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | コメントする

SwapAnything: Enabling Arbitrary Object Swapping in Personalized Visual Editing

投稿日: 2024年10月4日 作成者: jarxiv

要約 個人的なコンテンツを効果的に編集することは、個人の創造性を表現し、ビジュア … 続きを読む →

カテゴリー: cs.AI, cs.CV | コメントする

CMP: Cooperative Motion Prediction with Multi-Agent Communication

投稿日: 2024年10月4日 作成者: jarxiv

要約 自律走行車（AV）の進化とV2X（Vehicle-to-Everythin … 続きを読む →

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