「cs.LG」カテゴリーアーカイブ

A Fourier Space Perspective on Diffusion Models

投稿日: 2025年5月19日 作成者: jarxiv

要約 拡散モデルは、画像、オーディオ、タンパク質、材料などのデータモダリティに関 … 続きを読む →

カテゴリー: cs.CV, cs.LG, stat.ME, stat.ML | コメントする

Novel computational workflows for natural and biomedical image processing based on hypercomplex algebras

投稿日: 2025年5月19日 作成者: jarxiv

要約 HyperComplex画像処理は、代数および幾何学的原理を含む統一された … 続きを読む →

カテゴリー: cs.CV, cs.LG | コメントする

Dynamic Base model Shift for Delta Compression

投稿日: 2025年5月19日 作成者: jarxiv

要約 プレイン式財政パラダイムを備えた変圧器ベースのモデルは、複数のタスク上の微 … 続きを読む →

カテゴリー: cs.CV, cs.LG | コメントする

Visual Planning: Let’s Think Only with Images

投稿日: 2025年5月19日 作成者: jarxiv

要約 大規模な言語モデル（LLMS）とそのマルチモーダル拡張（MLLM）の最近の … 続きを読む →

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

Improving Object Detection Performance through YOLOv8: A Comprehensive Training and Evaluation Study

投稿日: 2025年5月19日 作成者: jarxiv

要約 本研究では、YOLOv8ベースのセグメンテーションモデルによる顔画像のしわ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | コメントする

SurgPose: Generalisable Surgical Instrument Pose Estimation using Zero-Shot Learning and Stereo Vision

投稿日: 2025年5月19日 作成者: jarxiv

要約 ロボット支援低侵襲手術（RMIS）における外科的ツールの正確なポーズ推定は … 続きを読む →

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

VideoHallu: Evaluating and Mitigating Multi-modal Hallucinations on Synthetic Video Understanding

投稿日: 2025年5月19日 作成者: jarxiv

要約 合成ビデオ生成は、そのリアリズムと幅広いアプリケーションに対して大きな注目 … 続きを読む →

カテゴリー: cs.CV, cs.LG | コメントする

Words in Motion: Extracting Interpretable Control Vectors for Motion Transformers

投稿日: 2025年5月19日 作成者: jarxiv

要約 変圧器ベースのモデルは、解釈が困難な隠された状態を生成します。 この作業で … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG | コメントする

Discriminating image representations with principal distortions

投稿日: 2025年5月19日 作成者: jarxiv

要約 画像表現（人工的または生物学的）は、多くの場合、グローバルな幾何学的構造の … 続きを読む →

カテゴリー: cs.CV, cs.LG, q-bio.NC, stat.ML | コメントする

From Uncertain to Safe: Conformal Fine-Tuning of Diffusion Models for Safe PDE Control

投稿日: 2025年5月19日 作成者: jarxiv

要約 部分微分方程式（PDE）に制約された制御のための深い学習の適用は、注目を集 … 続きを読む →

カテゴリー: cs.LG | コメントする