3978 papers
Deze paper introduceert een real-time twee-stroom RGB-D objectdetectiemodel dat dynamische RBF-gewogen hyper-involutie en een trainbare fuselaag gebruikt om de uitdagingen bij het simultaan verwerken van diepte- en kleurbeelden op te lossen en zo state-of-the-art prestaties te behalen op de NYU Depth V2-benchmarks.
Deze paper introduceert een pose-bewust in-context visueel leersysteem (PA-ICVL) voor Vision-Language Models dat de detectie van semantische structurele hallucinaties in cartoon-afbeeldingen aanzienlijk verbetert door naast RGB-beelden ook pose-informatie te gebruiken.
Dit paper introduceert Fuse4Seg, een nieuw raamwerk dat multi-modale medische beeldfusie herformuleert als een bi-niveau optimalisatieprobleem dat wordt geleid door semantische gradiënten van downstream segmentatie, waardoor kritieke tumorgrenzen behouden blijven en de prestaties van bestaande methoden worden overtroffen terwijl de klinische interpreteerbaarheid wordt gewaarborgd.
Het artikel introduceert PACE, een methode die parameter-efficiënt fine-tuning combineert met consistentieregulering om de generalisatie van modellen te verbeteren door gradiëntnormen te verkleinen en kennis uit vooraf getrainde modellen te behouden.
FALCON is een zelftoezichtend voortrainingsmodel dat objectgerichte maskering en toekomstige reconstructie combineert om de prestaties van UAV-actieherkenning op ruwe RGB-beelden te verbeteren door de aandacht te richten op relevante objecten in plaats van rommelige achtergronden.
AuthFace is een nieuw raamwerk dat authentieke blind gezichtsherstel bereikt door een op gezichten gerichte generatieve diffusielaag te ontwikkelen via een met fotografen begeleid fijnstelfase op een dataset van 8K-beelden, waardoor onjuiste generaties worden voorkomen en de details van gezichten aanzienlijk worden verbeterd.
Deze studie presenteert een efficiënte zelftoezichtsmethode voor het reconstrueren van onregelmatige seismische data, die gebruikmaakt van een lichtgewicht netwerk en zelfconsistentieleren zonder extra datasets, waardoor stabiele en hoogwaardige resultaten worden bereikt voor complexe aardkundige exploratie.
PPLLaVA is een nieuw model dat de rekenkundige inefficiëntie van video-LLM's oplost door middel van prompt-gestuurde tokencompressie, waardoor het zowel de doorvoersnelheid aanzienlijk verbetert als state-of-the-art prestaties behaalt op diverse video-vaardigheden.
Dit artikel introduceert Ditto, een diffusion-gebaseerd framework voor het real-time genereren van controleerbare praatkoppen met fijne expressies en lage vertraging, door middel van een geoptimaliseerde motion-space diffusiemodel en diverse conditionele signalen.
Dit paper introduceert LEO, een efficiënt architectuurontwerp dat een gestructureerde mix van visuele encoders combineert met een lichtgewicht fusiestrategie om multimodale taalmodellen te verbeteren voor diverse visuele taken en domeinen zoals autonoom rijden.
FeatureGS introduceert een nieuwe geometrische verliesfunctie op basis van eigenwaarde-afgeleide 3D-vormkenmerken in 3D Gaussian Splatting, wat leidt tot een aanzienlijke verbetering in geometrische nauwkeurigheid, een drastische reductie van het aantal Gaussians en onderdrukking van artefacten, terwijl de fotometrische renderkwaliteit behouden blijft.
Deze paper introduceert PoI, een framework dat de prestaties van Scene Coordinate Regression verbetert door nieuwe weergaven te genereren met 3DGS en diffusion-modellen, en vervolgens onbetrouwbare pixels te filteren op basis van reprojectiefouten om betrouwbare 3D-supervisie te waarborgen.
Deze survey biedt een gestructureerd overzicht van hoe grote multimodale taalmodellen het wetenschappelijke proces transformeren door onderzoekers te ondersteunen bij literatuuronderzoek, het genereren van ideeën, experimenten, contentcreatie en evaluatie, terwijl het ook de methoden, beperkingen en ethische risico's van deze AI-gestuurde ontdekkingen belicht.
Dit paper introduceert SCOTT en MIM-JEPA, een methode die Vision Transformers in staat stelt om zonder grote datasets of rekenkracht robuuste representaties te leren, waardoor de afhankelijkheid van 'big data' in het zelftoezichtende leren voor visie wordt doorbroken.
In dit paper wordt NAMI voorgesteld, een efficiënt beeldgeneratiemodel dat via een bruggeleidde progressieve rectified flow-architectuur de inferentietijd voor 1024-resolutie beelden met 64% verlaagt terwijl de beeldkwaliteit behouden blijft.
Het artikel introduceert ECLARE, een efficiënte zelflerende super-resolutiemethode die anisotrope resolutieverbetering in klinische 2D-MR-beelden mogelijk maakt door slice-profielen te schatten en domeinverschuiving te voorkomen zonder externe trainingsdata.
Dit artikel introduceert EarthScape, een multimodaal dataset en reproduceerbaar pipeline voor kunstmatige intelligentie die digitale hoogtemodellen, luchtfoto's en hydrologische data integreert om de arbeidsintensieve workflow voor het maken van oppervlakkige geologische kaarten te stroomlijnen en te schalen.
Dit artikel introduceert een reeks tests op basis van psychofysische metingen van laag-niveau visie om bestaande beeld- en videokwaliteitsmetrieken te evalueren op hun vermogen om aspecten zoals contrastgevoeligheid en contrastmaskering te modelleren, en toont aan dat deze tests eigenschappen blootleggen die met standaardprotocollen vaak onopgemerkt blijven.
In dit paper presenteren de auteurs FindAnything, een efficiënt open-wereld mapping-framework dat visueel-taalinformatie op objectniveau integreert in volumetrische submaps, waardoor robots real-time semantische en geometrische kaarten kunnen bouwen van grote, onbekende omgevingen met beperkte rekenkracht.
GenCLIP is een nieuw raamwerk voor zero-shot anomaliedetectie dat de generalisatie en stabiliteit verbetert door middel van multi-layer prompting, een dual-branch inferentiestrategie en een adaptief mechanisme voor het filteren van tekstprompten.