-
最近の投稿
- CHARM: Considering Human Attributes for Reinforcement Modeling
- IKDiffuser: Fast and Diverse Inverse Kinematics Solution Generation for Multi-arm Robotic Systems
- SuperPoint-SLAM3: Augmenting ORB-SLAM3 with Deep Features, Adaptive NMS, and Learning-Based Loop Closure
- Hierarchical Language Models for Semantic Navigation and Manipulation in an Aerial-Ground Robotic System
- A Novel ViDAR Device With Visual Inertial Encoder Odometry and Reinforcement Learning-Based Active SLAM Method
-
最近のコメント
表示できるコメントはありません。 cs.AI (39747) cs.CL (30084) cs.CV (45067) cs.HC (3038) cs.LG (44680) cs.RO (23778) cs.SY (3623) eess.IV (5162) eess.SY (3615) stat.ML (5812)
「cs.MM」カテゴリーアーカイブ
EVA: An Embodied World Model for Future Video Anticipation
要約 ビデオ生成モデルは、将来の状態をシミュレートする際に大きな進歩を遂げ、具体 … 続きを読む
StereoVAE: A lightweight stereo-matching system using embedded GPUs
要約 組み込みGPUを介してステレオマッチング用の軽量システムを提示します。 ス … 続きを読む
Efficient Fine-Grained Guidance for Diffusion Model Based Symbolic Music Generation
要約 生成モデルを開発して、象徴的な音楽を作成または条件付けて作成することは、デ … 続きを読む
SplArt: Articulation Estimation and Part-Level Reconstruction with 3D Gaussian Splatting
要約 毎日の環境で一般的な明確なオブジェクトの再構築は、拡張/仮想現実とロボット … 続きを読む
LaF-GRPO: In-Situ Navigation Instruction Generation for the Visually Impaired via GRPO with LLM-as-Follower Reward
要約 視覚障害のある（VI）個人（NIG-VI）のナビゲーション命令生成は重要で … 続きを読む
Sounding that Object: Interactive Object-Aware Image to Audio Generation
要約 複雑なオーディオビジュアルシーンに対して正確なサウンドを生成することは、特 … 続きを読む
Can’t See the Forest for the Trees: Benchmarking Multimodal Safety Awareness for Multimodal LLMs
要約 マルチモーダル大規模言語モデル（MLLM）は、テキストと画像の両方を介した … 続きを読む
Chain-of-Jailbreak Attack for Image Generation Models via Editing Step by Step
要約 Stable Diffusion や DALL-E 3 のようなテキストベ … 続きを読む
MERIT: Multilingual Semantic Retrieval with Interleaved Multi-Condition Query
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