「cs.CV」カテゴリーアーカイブ

Simulate Any Radar: Attribute-Controllable Radar Simulation via Waveform Parameter Embedding

投稿日: 2025年6月4日 作成者: jarxiv

要約 我々は、SA-Radar (Simulate Any Radar)を発表す … 続きを読む →

カテゴリー: cs.CV, eess.SP | Simulate Any Radar: Attribute-Controllable Radar Simulation via Waveform Parameter Embedding はコメントを受け付けていません

OmniSpatial: Towards Comprehensive Spatial Reasoning Benchmark for Vision Language Models

投稿日: 2025年6月4日 作成者: jarxiv

要約 空間推論は認知心理学の重要な側面であり、現在の視覚言語モデル（VLM）の大 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | OmniSpatial: Towards Comprehensive Spatial Reasoning Benchmark for Vision Language Models はコメントを受け付けていません

SVGenius: Benchmarking LLMs in SVG Understanding, Editing and Generation

投稿日: 2025年6月4日 作成者: jarxiv

要約 ラージ・ランゲージ・モデル（LLM）とマルチモーダルLLMはSVG処理に有 … 続きを読む →

カテゴリー: cs.AI, cs.CV | SVGenius: Benchmarking LLMs in SVG Understanding, Editing and Generation はコメントを受け付けていません

CamCloneMaster: Enabling Reference-based Camera Control for Video Generation

投稿日: 2025年6月4日 作成者: jarxiv

要約 表現力豊かで映画的な映像を生成するためには、カメラの制御が重要である。既存 … 続きを読む →

カテゴリー: cs.CV | CamCloneMaster: Enabling Reference-based Camera Control for Video Generation はコメントを受け付けていません

Context as Memory: Scene-Consistent Interactive Long Video Generation with Memory Retrieval

投稿日: 2025年6月4日 作成者: jarxiv

要約 近年のインタラクティブビデオ生成の進歩は有望な結果を示しているが、既存のア … 続きを読む →

カテゴリー: cs.CV | Context as Memory: Scene-Consistent Interactive Long Video Generation with Memory Retrieval はコメントを受け付けていません

GUI-Actor: Coordinate-Free Visual Grounding for GUI Agents

投稿日: 2025年6月4日 作成者: jarxiv

要約 VLMを搭載したGUIエージェントを構築する際の主な課題の1つは、視覚的グ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | GUI-Actor: Coordinate-Free Visual Grounding for GUI Agents はコメントを受け付けていません

MERIT: Multilingual Semantic Retrieval with Interleaved Multi-Condition Query

投稿日: 2025年6月4日 作成者: jarxiv

要約 意味検索は現代のアプリケーションにとって極めて重要であるが、現在の研究では … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | MERIT: Multilingual Semantic Retrieval with Interleaved Multi-Condition Query はコメントを受け付けていません

UniWorld: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation

投稿日: 2025年6月4日 作成者: jarxiv

要約 既存の統一的なモデルは、視覚言語理解やテキストから画像への生成では強力な性 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | UniWorld: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation はコメントを受け付けていません

Self-Supervised Spatial Correspondence Across Modalities

投稿日: 2025年6月4日 作成者: jarxiv

要約 我々は、クロスモーダルな時空間対応関係を見つける方法を提案する。RGB画像 … 続きを読む →

カテゴリー: cs.CV | Self-Supervised Spatial Correspondence Across Modalities はコメントを受け付けていません

IllumiCraft: Unified Geometry and Illumination Diffusion for Controllable Video Generation

投稿日: 2025年6月4日 作成者: jarxiv

要約 拡散ベースのモデルは、テキストまたは画像入力から高品質で高解像度のビデオシ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | IllumiCraft: Unified Geometry and Illumination Diffusion for Controllable Video Generation はコメントを受け付けていません