3606 papers
Het artikel introduceert 3DMedAgent, een unificerend agent-systeem dat bestaande 2D-multimodale grote taalmodellen in staat stelt om complexe 3D-CT-scans stapsgewijs te analyseren door middel van toolgebruik en gestructureerd geheugen, zonder dat specifieke 3D-finetuning vereist is.
Dit artikel toont aan dat architecturen die equivariante operatoren in een latente ruimte leren, effectief kunnen worden ingezet voor robuuste objectherkenning bij zeldzame transformaties, maar waarschuwt ook voor de uitdagingen bij het schalen naar complexere datasets.
Dit paper introduceert OVerSeeC, een zero-shot modulair framework dat natuurlijke taal en satellietbeelden combineert om open-vocabulary kostenkaarten voor autonome navigatie te genereren door entiteiten te interpreteren, te lokaliseren en te synthetiseren.
Deze paper introduceert een nieuw onderzoeksgebied genaamd Open-Vocabulary Domain Generalization in Semantic Segmentation (OVDG-SS) voor autonome driving, inclusief een benchmark en een nieuwe methode (S2-Corr) die de robuustheid van segmentatiemodellen verbetert in onbekende omgevingen en voor onbekende objectcategorieën door tekst-beeld correlaties te verfijnen.
UniMatch is een semantisch bewust, grof-naar-fijn framework dat door middel van taalgeleiding en contrastief leren dichte semantische correspondenties tussen sterk niet-isometrische 3D-vormen van willekeurige objectcategorieën tot stand brengt zonder vooraf gedefinieerde deelvoorstellen.
InfScene-SR is een nieuwe diffusion-gebaseerde methode die willekeurige beeldgroottes super-resolutie mogelijk maakt door middel van een iteratief gezamenlijk ontdeningsproces met Variance-Corrected Fusion en Spatially-Decoupled Variance Correction, waardoor naadloze overgangen worden gegarandeerd en de rekencomplexiteit drastisch wordt verlaagd.
Deze paper introduceert een plug-and-play methode voor data-efficiënte monokulaire 3D-objectdetectie die trainingdata optimaliseert door objecten, scènes en cameraposities online te ontleden en opnieuw te combineren, waardoor overfitting wordt tegengegaan en de prestaties op diverse datasets aanzienlijk worden verbeterd.
Deze paper introduceert een cyclus-consistente afstemmingsframework dat grote diffusiemodellen gebruikt om logo's en hun achtergronden effectief te ontkoppelen door wederzijdse reconstructie en progressieve zelfverbetering.
Dit paper introduceert een trainingsvrij, plug-and-play raamwerk genaamd 'See It, Say It, Sorted' dat visuele hallucinaties in multimodale redenering van LVLMs aanpakt door elke redeneerstap dynamisch te valideren met visueel bewijs, wat leidt tot aanzienlijke verbeteringen in nauwkeurigheid en een reductie van hallucinaties zonder extra training.
Deze paper introduceert een nieuwe, verenigde aanpak voor semantische en panoptische segmentatie in afbeeldingen en video's, waarbij maskers worden omgezet in discrete tokens via run-length encoding (RLE) en vervolgens autoregressief worden gegenereerd met een aangepast taalmodel.
WISER is een trainingsvrij framework voor Zero-Shot Composed Image Retrieval dat door middel van een adaptieve "retrieve-verify-refine"-pijplijn de complementaire sterkten van tekst- en beeldgebaseerde zoekopdrachten combineert om de prestaties aanzienlijk te verbeteren zonder extra training.
Het paper introduceert PackUV, een nieuwe 4D-volumetrische videorepresentatie die Gaussische attributen omzet in gestructureerde UV-atlassen voor compatibiliteit met bestaande video-codecs, ondersteund door de PackUV-GS-fittingmethode en het grote PackUV-2B-dataset om hoge kwaliteit en temporale consistentie te garanderen bij langdurige opnames.
Dit paper introduceert HART, een annotatievrij framework dat Large Multimodal Models via versterkingsleer in staat stelt om zonder menselijke labels effectief te redeneren over hoge-resolutie beelden door zelfkritische focus op relevante beeldregio's.
Dit paper introduceert Infinite Self-Attention (InfSA) en zijn lineaire variant Linear-InfSA, die de kwadratische complexiteit van traditionele attention-mechanismen doorbreken door attention te modelleren als een diffusieproces op een token-graf, waardoor schaalbare en energie-efficiënte Vision Transformers mogelijk worden die zelfs bij zeer hoge resoluties (tot 9216x9216) stabiel presteren en betere ImageNet-resultaten behalen dan bestaande softmax-baselines.
Dit paper introduceert WildActor, een framework voor het genereren van video's met menselijke acteurs die hun volledige lichaamidentiteit behouden onder onbeperkte bewegingen en camerahoeken, ondersteund door de nieuwe grote dataset Actor-18M.
Dit standpuntspaper pleit ervoor dat de evaluatie van moderne visuele verwerkingssystemen minder gericht moet zijn op enkele objectieve beeldkwaliteitsmetrieken en meer op menselijke perceptie en context om innovatie te stimuleren en onderzoek te sturen.
Het artikel introduceert DeAR, een raamwerk dat VLM-adaptatie verbetert door de rollen van individuele attention heads te ontleden en te isoleren, waardoor een betere balans wordt bereikt tussen taakspecifieke aanpassing en het behoud van de oorspronkelijke generalisatie.
Dit paper introduceert het MSP-framework, dat de prestaties van kledingwisselende persoonhervindingsystemen verbetert door de afhankelijkheid van veranderlijke haarkleuren te verminderen via hairstyle-georiënteerde augmentatie en structuurbehoudende verbergingstechnieken.
Dit paper introduceert een detectie-gestuurde pipeline die robuuste glottale segmentatie en klinische pathologie-evaluatie mogelijk maakt door een lokale detector te combineren met een segmentatiemodel, waardoor state-of-the-art prestaties en cross-dataset generalisatie worden bereikt voor real-time klinisch gebruik.
Dit artikel presenteert een robuust classificatiekader voor beelden van het immaterieel cultureel erfgoed in de Mekongdelta, waarbij de CoAtNet-architectuur wordt gecombineerd met modelsoepen om de generalisatie te verbeteren door de variantie te verminderen in een data-schaarste omgeving.