1863 papers
Dit paper introduceert Fuel Gauge, een methode die vooraf de lengte van het Chain-of-Thought-proces in grote multimodale modellen voorspelt door een verborgen 'brandstof'-parameter te extraheren, waardoor de efficiëntie van computerruimte en de nauwkeurigheid van het redeneren aanzienlijk worden verbeterd.
Deze paper introduceert Concept-Gated Visual Distillation (CGVD), een trainingsvrij raamwerk dat de prestaties van Vision-Language-Action-modellen in rommelige omgevingen aanzienlijk verbetert door instructies te analyseren en visuele afleidingen te onderdrukken via Fourier-based inpainting, waardoor de succesratio van 43,0% naar 77,5% stijgt.
Deze paper introduceert EmoStory, een tweestapsframework dat agenten voor verhaalplanning en gebiedsgerichte generatie combineert om visuele verhalen te creëren die niet alleen onderwerpconsistent zijn, maar ook expliciete emotionele richtingen effectief vertalen naar concrete beeldelementen.
StyleGallery is een trainingsvrije, semantische bewuste framework dat persoonlijke stijltransfer mogelijk maakt vanuit willekeurige referentieafbeeldingen door middel van adaptieve regio-segmentatie, precisie-afstemming en een energie-gestuurde optimalisatie, waardoor het de bestaande methoden overtreft in het behoud van contentstructuur en regionale stijl.
Dit artikel introduceert een trainingsvrij, unificerend framework dat hallucinaties in multimodale taalmodellen effectief aanpakt door visuele tokens op twee manieren te manipuleren: via Synergistic Visual Calibration om visuele representaties te versterken en via Causal Representation Calibration om interne modelbias te corrigeren, wat leidt tot een significante verbetering van de nauwkeurigheid met slechts een minimale toename in inferentielatentie.
Deze paper introduceert de Geometric Autoencoder (GAE), een principieel framework dat Vision Foundation Model-priors en een nieuwe normalisatiestrategie combineert om een superieure balans te bereiken tussen compressie, semantische diepte en reconstructiestabiliteit, wat resulteert in state-of-the-art prestaties voor latent diffusion-modellen op ImageNet.
Het paper introduceert GeoSense, een kader dat multimodale modellen in staat stelt om zelfstandig te bepalen wanneer geometrische informatie noodzakelijk is voor ruimtelijk redeneren, waardoor de prestaties worden verbeterd zonder de rekenkosten onnodig te verhogen.
Dit paper introduceert een variantiebewuste adaptieve wegingsstrategie die de onbalans in de trainingsdynamiek van diffusiemodellen over verschillende ruisniveaus oplost, wat resulteert in stabielere optimalisatie en verbeterde generatieve prestaties op CIFAR-10 en CIFAR-100.
Dit artikel introduceert OCpose, een nieuwe evaluatiemethode voor multi-persoon pose-schatting die op optimale transport gebaseerd is om een eerlijke afweging te maken tussen waar-positieve en vals-positieve poses, ongeacht hun betrouwbaarheidsscores.
Dit paper introduceert Motion Forcing, een gefragmenteerd raamwerk dat de generatie van robuuste video's met complexe bewegingen verbetert door fysieke redenering en visuele synthese te ontkoppelen via een hiërarchisch "Punt-Vorm-Appearance"-paradigma en een strategie voor het herstellen van gemaskerde punten.
Het paper introduceert Frames2Residual (F2R), een zelftoezichtend videodenruisingsframework dat spatiotemporale ontkoppeling toepast door het trainingsproces op te splitsen in een blinde temporale consistentiestap en een niet-blinde ruimtelijke textuurherstelstap, waardoor het de beperkingen van bestaande methoden overwint en superieure prestaties behaalt op zowel sRGB- als raw-videobenchmarks.
In dit artikel wordt TractoRC gepresenteerd, een unificerend probabilistisch leerframework dat tractografie-registratie en streamline-clustering gezamenlijk optimaliseert binnen één schema door een gedeelde, transformatie-equivariante latente inbeddingsruimte te leren, wat resulteert in een significante prestatieverbetering ten opzichte van bestaande methoden die deze taken afzonderlijk behandelen.
World2Act is een nieuw post-training framework dat Vision-Language-Action-beleid direct afstemt op latente dynamiek in plaats van pixels, en door middel van een door LLM's aangestuurde vaardigheidsdecompositie wereldmodellen in staat stelt om robuust te generaliseren over uiteenlopende taakhorizonten.
Dit paper introduceert AsyncMDE, een asynchroon monocular depth estimation-systeem dat de rekenkosten van foundation modellen verlaagt door een lichtgewicht model te gebruiken dat asynchroon werkt met een opgeslagen ruimtelijk geheugen, waardoor real-time prestaties op edge-apparaten mogelijk worden met minimale nauwkeurigheidsverlies.
Dit paper introduceert een effectieve, prompt-vrije methode voor het selectief "vergeten" van specifieke, niet-tekstueel te specificeren outputs (zoals individuele gezichten) in diffusiemodellen door gebruik te maken van een surrogaatbenadering met afbeeldingsbewerking, timestepspecifieke weging en gradiëntchirurgie, terwijl de integriteit van de resterende generaties behouden blijft.
SignSparK introduceert een nieuw, schaalbaar raamwerk voor meertalige gebarentaalproductie dat gebruikmaakt van een efficiënte sleutelkaderleerparadigma en Conditional Flow Matching om natuurlijke, linguïstisch accurate 3D-animaties te genereren die de bestaande staat van de kunst overtreffen.
Dit artikel introduceert LCAMV, een robuuste methode voor nauwkeurige 3D-reconstructie van gekleurde objecten met gestructureerd licht die laterale chromatische aberratie corrigeert en multi-kanaals fasegegevens fuseert zonder extra hardware, waardoor de dieptefout tot 43,6% wordt verminderd.
Deze paper introduceert WanderBench, het eerste wereldwijde benchmark voor actieve geolocatie, en het GeoAoT-framework dat redenering koppelt aan fysieke acties om de locatiebepalingsvaardigheden van multimodale modellen te verbeteren.
Het artikel introduceert MoXaRt, een real-time XR-systeem dat audio-visuele cues gebruikt om complexe geluidsmixen te scheiden, wat leidt tot een significante verbetering van spraakintelligibiliteit en een vermindering van de cognitieve belasting voor gebruikers.
Dit paper introduceert UniPINN, een unified framework voor Physics-Informed Neural Networks dat door middel van een gedeelde-specialistische architectuur, cross-flow attention en dynamische gewichtsallocatie effectief multi-task learning voor diverse Navier-Stokes vergelijkingen mogelijk maakt, waardoor negatieve transfer wordt tegengegaan en de voorspellingsnauwkeurigheid wordt verbeterd.