10079 Arbeiten
Das Paper stellt FB-CLIP vor, ein Framework zur feinkörnigen Zero-Shot-Anomalieerkennung, das durch die Entkopplung von Vordergrund und Hintergrund sowie durch optimierte textuelle Repräsentationen und semantische Konsistenzregularisierung die Lokalisierung von Anomalien in komplexen Szenen verbessert.
Das Paper stellt LoD-Loc v3 vor, eine neue Methode zur generalisierten Luftbild-Lokalisierung in dichten Städten, die durch eine neuartige synthetische Datengenerierung für das bisher größte Instanz-Segmentierungs-Datenset und einen Wechsel von der semantischen zur instanzbasierten Silhouettenausrichtung die Generalisierungsfähigkeit und die Genauigkeit in komplexen Szenen erheblich verbessert.
OrbitNVS verbessert die Synthese neuer Ansichten, insbesondere bei nur einer Eingabeansicht, indem es ein vortrainiertes Videogenerierungsmodell mit angepassten Kamera-Adaptern, einem Normalenkarten-Branch für geometrische Konsistenz und einer pixelweisen Überwachung für schärfere Details nutzt, um auf Benchmarks wie GSO und OmniObject3D neuartige Zustände zu erzeugen.
Das Paper stellt UniPR vor, ein einheitliches, end-to-end Framework, das aus einem einzigen Stereobildpaar Objekte parallel erkennt und rekonstruiert, um die Ineffizienz und kumulativen Fehler bestehender modularer Pipelines zu überwinden und gleichzeitig die Skalierung durch eine neue Pose-bewusste Formdarstellung sowie den großen LVS6D-Datensatz zu ermöglichen.
Die Arbeit stellt HRNet vor, ein nicht-iteratives hybrides Multimodal-Registrierungsnetzwerk, das durch Cross-Scale-Entflechtung und adaptive Projektion modalspezifische Störungen unterdrückt und gleichzeitig globale starre sowie lokale nicht-starre Transformationen in einem einzigen Schritt präzise schätzt.
IUP-Pose ist ein geometriegetriebener, decoupled iterativer Ansatz mit impliziter dichter Ausrichtung und einem Multi-Head Bi-Cross-Attention-Modul, der eine Echtzeit-Relativpose-Regressionslösung mit end-to-end Differenzierbarkeit, hoher Genauigkeit und effizienter Ressourcennutzung ermöglicht.
Dieses Paper stellt DPTracker vor, einen Dual-Prompt-Tracker, der durch pyramidenförmige Beleuchtungs- und dynamische Blickwinkel-Prompts robuste Merkmalskodierung für die UAV-Verfolgung unter schwierigen Nachtbedingungen ermöglicht.
Das Papier stellt UniBioTransfer vor, ein einheitliches Framework, das erstmals verschiedene Biometrie-Transfer-Aufgaben wie Gesichts-, Haar- und Kopfübertragung in einem einzigen Modell vereint, indem es durch eine spezielle Datenkonstruktionsstrategie und ein BioMoE-Modell mit zweistufigem Training Datenknappheit und Aufgabenkonflikte überwindet.
Das Paper stellt OmniDiT vor, ein einheitliches Diffusion-Transformer-Framework für virtuelle An- und Ausversuche, das durch eine selbstentwickelte Datengenerierungspipeline, Shifted Window Attention für lineare Komplexität und adaptive Positionskodierung die Detailtreue und Effizienz bei komplexen Szenen verbessert.
Das Paper stellt GravCal vor, ein feedforward-Modell, das mithilfe eines einzelnen RGB-Bildes und eines verrauschten IMU-Gravitationspriors die Gravitationsrichtung korrigiert und eine per-Sample-Konfidenz schätzt, was durch ein neues Datenset und signifikante Fehlerreduktionen gegenüber reinen Inertialdaten validiert wird.