3987 papers
Dit artikel introduceert EVA, een nieuw asynchroon tot synchroon (A2S) framework dat door inspiratie uit taalmodellen event-gebaseerde visie verbetert en state-of-the-art prestaties behaalt op zowel herkennings- als detectietaken.
Deze paper introduceert BusterX, een MLLM-basismodel met RL-training dat AI-generatievideo's detecteert via visuele redenering in plaats van directe classificatie, ondersteund door het nieuwe GenBuster-200K-dataset en de GenBuster-Bench-benchmark voor een robuuste evaluatie van detectie en uitlegkwaliteit.
Deze paper introduceert DVD-Quant, een data-vrij kwantisatiekader voor Video Diffusion Transformers dat door middel van innovatieve technieken zoals BGR, ARQ en δ-GBS een 2x snelheidswinst realiseert en W4A4-kwantisatie mogelijk maakt zonder in te leveren op de video-kwaliteit.
Dit paper introduceert Alchemist, een compacte en effectieve dataset voor supervised fine-tuning die is samengesteld met behulp van een generatief model als schatting voor hoogwaardige trainingsdata, en die de kwaliteit van openbare tekst-naar-beeldmodellen aanzienlijk verbetert zonder hun diversiteit te verliezen.
Dit artikel introduceert een nieuw kaders voor instantiegegevenscondensatie (IDC) dat specifiek is ontworpen voor beeldsuperresolutie en dat, door gebruik te maken van willekeurige lokale Fourier-kenmerkextractie en multi-niveau kenmerkverdelingmatching, een synthetische dataset van slechts 10% van de oorspronkelijke DIV2K-dataset genereert die vergelijkbare prestaties en trainingsstabiliteit bereikt als het volledige dataset.
Dit paper introduceert VisioMath, een benchmark van 1.800 wiskundeproblemen met visueel vergelijkbare diagrammen, om de beperkingen van Large Multimodal Models in fijnmazig redeneren te analyseren en strategieën voor verbeterde beeld-tekstuitlijning te presenteren.
VisualPrompter is een trainingsvrije framework dat de semantische uitlijning tussen gebruikersprompts en gegenereerde afbeeldingen verbetert door automatisch ontbrekende concepten te identificeren en prompts op atomair niveau te optimaliseren met visuele feedback.
Het paper introduceert SPoT, een innovatieve tokenisatiestrategie voor Vision Transformers die tokens continu binnen afbeeldingen plaatst in plaats van op een raster, waardoor de noodzaak voor een groot aantal tokens wordt verminderd en de prestaties in spaarzame regimes aanzienlijk worden verbeterd.
Dit paper introduceert SPARC, een raamwerk dat met behulp van een globale TopK-sparsiteitsmechanisme en een kruisreconstructieverlies een gedeelde, semantisch consistente latente ruimte creëert voor concepten over verschillende AI-modellen en -modaliteiten heen, waardoor directe vergelijking en nieuwe toepassingen zoals tekst-gestuurde lokalisatie mogelijk worden.
Dit paper introduceert Token Bottleneck (ToBo), een zelftoezichtend leerproces dat dynamische scènes comprimeert tot een compacte token om tijdsafhankelijke visuele representaties te leren voor taken zoals videolabelpropagatie en robotmanipulatie.
Dit paper introduceert NarrLV, het eerste benchmarkkader dat de narratieve expressie van lange video-generatiemodellen systematisch evalueert aan de hand van filmtheoretische principes en een op MLLM gebaseerde meetmethode.
Deze paper introduceert TomatoMAP, een uitgebreide dataset met 64.464 beelden van tomatenplanten die, aangevuld met handmatige annotaties en gevalideerd door een deep learning-framework, menselijke expertoordelen evenaart voor nauwkeurige en reproduceerbare fijnkorrelige fenotypering.
ExDD is een nieuw kader voor de detectie van oppervlakdefecten dat de beperkingen van traditionele one-class methoden overwint door expliciete modellering van dubbele verdelingen, het genereren van synthetische defecten via latent diffusion en een geavanceerde scoremechanisme, wat resulteert in verbeterde prestaties op industriële datasets.
Dit paper introduceert GSSR, een methode die de geometrische precisie van 3D Gaussian Splatting verbetert door Gaussians gelijkmatig langs het latente oppervlak te verdelen en hun normaals te aligneren via een combinatie van normalen- en fotometrische consistentie, regularisatie en herinitialisatie.
Deze paper introduceert een op multimodale grote taalmodellen gebaseerd multi-agent systeem dat de extractie van chemische informatie uit diverse literatuurformaten aanzienlijk verbetert, met een F1-score van 76,27% die de huidige staat van de kunst ver overtreft.
Deze paper introduceert MAP, een trainingsvrije decoderingsmethode die hallucinaties in grote visueel-taalmodellen vermindert door de verborgen toestanden te interpreteren als een 2D-semantische kaart en deze te verwerken via kruisgewijze attentie en logit-fusie om de feitelijke consistentie te verbeteren.
Dit paper introduceert VLMQ, een post-training kwantisatieframework dat specifiek is ontworpen voor vision-language modellen door visuele oververtegenwoordiging en een modale kloof aan te pakken via een salientie-gedreven aanpak die de prestaties aanzienlijk verbetert, zelfs bij zeer lage bitbreedtes.
SGDFuse is een nieuwe methode die het Segment Anything Model (SAM) combineert met een conditionele diffusiemodel om infrarood- en zichtbare beelden te fuseren, waardoor een hoge beeldkwaliteit en semantische bewustzijn worden bereikt voor verbeterde downstream-taken.
Deze paper introduceert het nieuwe 'multivariate fields of experts'-kader voor het leren van beeldpriors, dat door middel van Moreau-hullingen van de -norm diverse inverse problemen effectief oplost met een snelheid en parameter-efficiëntie die dicht bij deep learning ligt, maar met behoud van interpretatie en theoretische convergentiegaranties.
Dit paper introduceert DianJin-OCR-R1, een redenerend visueel-taalmodel dat door het afwisselend gebruiken van eigen OCR-herkenning en deskundige hulpmiddelen, gevolgd door een verificatiestap, hallucinaties vermindert en de nauwkeurigheid van tekstherkenning in documenten significant verbetert.