-
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
Omni-RGPT: Unifying Image and Video Region-level Understanding via Token Marks
要約 私たちは、画像とビデオの両方の領域レベルの理解を容易にするように設計された … 続きを読む
カテゴリー: cs.CV
Omni-RGPT: Unifying Image and Video Region-level Understanding via Token Marks はコメントを受け付けていません
Predicting 4D Hand Trajectory from Monocular Videos
要約 単眼ビデオからコヒーレントな 4D 手の軌跡を推測するアプローチである H … 続きを読む
カテゴリー: cs.CV
Predicting 4D Hand Trajectory from Monocular Videos はコメントを受け付けていません
Go-with-the-Flow: Motion-Controllable Video Diffusion Models Using Real-Time Warped Noise
要約 生成モデリングは、ランダム ノイズを構造化された出力に変換することを目的と … 続きを読む
カテゴリー: cs.CV
Go-with-the-Flow: Motion-Controllable Video Diffusion Models Using Real-Time Warped Noise はコメントを受け付けていません
MangaNinja: Line Art Colorization with Precise Reference Following
要約 拡散モデルから派生した MangaNinjia は、リファレンスに基づいた … 続きを読む
カテゴリー: cs.CV
MangaNinja: Line Art Colorization with Precise Reference Following はコメントを受け付けていません
DAViD: Modeling Dynamic Affordance of 3D Objects using Pre-trained Video Diffusion Models
要約 AI が日常生活を改善するには、人間の物体使用能力を理解することが不可欠で … 続きを読む
カテゴリー: cs.CV
DAViD: Modeling Dynamic Affordance of 3D Objects using Pre-trained Video Diffusion Models はコメントを受け付けていません
Vid2Sim: Realistic and Interactive Simulation from Video for Urban Navigation
要約 シミュレーションと現実のギャップは、シミュレーションにおけるロボット学習に … 続きを読む
Rethinking Decoders for Transformer-based Semantic Segmentation: A Compression Perspective
要約 Transformer ベースのセマンティック セグメンテーションの最先端 … 続きを読む
BIOMEDICA: An Open Biomedical Image-Caption Archive, Dataset, and Vision-Language Models Derived from Scientific Literature
要約 ビジョン言語モデル (VLM) の開発は、大規模で多様なマルチモーダル デ … 続きを読む
Application of Vision-Language Model to Pedestrians Behavior and Scene Understanding in Autonomous Driving
要約 自動運転 (AD) は近年大幅に改善され、3D 検出、分類、位置特定の有望 … 続きを読む
Vid2Sim: Realistic and Interactive Simulation from Video for Urban Navigation
要約 シミュレーションと現実のギャップは、シミュレーションにおけるロボット学習に … 続きを読む