-
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
MEX: Memory-efficient Approach to Referring Multi-Object Tracking
要約 参照マルチオブジェクト追跡（RMOT）は、コンピュータービジョンと自然言語 … 続きを読む
Multi-view Video-Pose Pretraining for Operating Room Surgical Activity Recognition
要約 複雑な手術室での外科的処置のワークフローを理解するには、臨床医とその環境間 … 続きを読む
カテゴリー: cs.CV
Multi-view Video-Pose Pretraining for Operating Room Surgical Activity Recognition はコメントを受け付けていません
MetaSSC: Enhancing 3D Semantic Scene Completion for Autonomous Driving through Meta-Learning and Long-sequence Modeling
要約 セマンティックシーンの完了（SSC）は、自律運転システムで包括的な認識を達 … 続きを読む
EC-DIT: Scaling Diffusion Transformers with Adaptive Expert-Choice Routing
要約 拡散トランスは、テキスト間合成に広く採用されています。 これらのモデルを数 … 続きを読む
NavigateDiff: Visual Predictors are Zero-Shot Navigation Assistants
要約 なじみのない環境をナビゲートすることは、家庭用ロボットに大きな課題をもたら … 続きを読む
Personalized Instance-based Navigation Toward User-Specific Objects in Realistic Environments
要約 過去数年間、屋内環境のオブジェクトへの視覚的ナビゲーションへの研究の関心は … 続きを読む
GroundCap: A Visually Grounded Image Captioning Dataset
要約 現在の画像キャプションシステムには、説明テキストを特定の視覚要素にリンクす … 続きを読む
Qwen2.5-VL Technical Report
要約 QWEN Vision-Languageシリーズの最新のフラッグシップモデ … 続きを読む
Symmetrical Visual Contrastive Optimization: Aligning Vision-Language Models with Minimal Contrastive Images
要約 最近の研究では、大きなビジョン言語モデル（VLM）が画像コンテンツを無視し … 続きを読む
Continually Learning Structured Visual Representations via Network Refinement with Rerelation
要約 現在の機械学習のパラダイムは、問題の構造を直接学習するのではなく、アウトカ … 続きを読む