4137 papers
Dit paper introduceert IGAR, een train-vrije methode die de 'taalkundige blindheid' in Vision-Language-Action-modellen oplost door de aandacht tijdens de inferentie te herkalibreren, zodat robots instructies correct volgen zelfs bij tegenstrijdige visuele prikkels.
Dit paper introduceert RepKAN, een nieuw architectuurconcept dat de structurele efficiëntie van CNNs combineert met de niet-lineaire representatiekracht van KANs om interpreteerbare en superieure prestaties te bereiken bij de classificatie van aardobservatiebeelden.
EffectMaker is een unificerend raamwerk dat een multimodaal taalmodel en een diffusiemodel combineert om aangepaste visuele effecten te genereren zonder per-effect fine-tuning, ondersteund door een nieuw, groot synthetisch dataset genaamd EffectData.
Deze paper introduceert MOSIV, een nieuw raamwerk dat video's gebruikt om continue materiaaleigenschappen van meerdere objecten tegelijkertijd te identificeren via een differentieerbare simulator en een nieuw synthetisch benchmark, wat aanzienlijk betere resultaten oplevert dan bestaande methoden.
ViewFusion is een tweestapsframework dat multi-view ruimtelijke redenering verbetert door expliciete kruisbeeldvoorberekening te scheiden van de uiteindelijke vraagbeantwoording, wat leidt tot een significant hogere nauwkeurigheid op MMSI-Bench.
StruVis is een nieuw framework dat de tekst-naar-beeldgeneratie verbetert door complexe prompts te analyseren via gestructureerde visuele representaties in plaats van tussenliggende afbeeldingen, waardoor het rekenvermogen van multimodale modellen wordt geoptimaliseerd zonder de hoge kosten van bestaande methoden.
Dit paper introduceert OA-SORT, een trainingsvrij en plug-and-play framework dat door middel van een Occlusion-Aware Module, Occlusion-Aware Offset en Bias-Aware Momentum de prestaties van multi-object tracking verbetert door verwarrende kosten door gedeeltelijke occlusie te verminderen.
Dit onderzoek toont aan dat stratified subsampling op hyperkolommen, gecombineerd met ensemble learning, de prestaties van beeldsegmentatie aanzienlijk verbetert, vooral in situaties met zeer weinig trainingsdata waar een eenvoudige logistische regressie de beste resultaten levert.
Dit paper introduceert FontUse, een data-gedreven aanpak die een groot, geannoteerd typografiedataset gebruikt om bestaande tekst-naar-beeldmodellen te finetunen, waardoor ze teksten in afbeeldingen consistent kunnen genereren op basis van specifieke lettertypestijlen en gebruiksscenario's.
Dit paper introduceert GvU, een zelftoezichtend versterkingsleerframework dat de generatiekwaliteit van uniforme multimodale modellen verbetert door gebruik te maken van hun eigen visuele begrijpingscapaciteit als intrinsieke beloning, waardoor de kloof tussen visueel begrijpen en genereren wordt overbrugd.
GenHOI is een lichtgewicht uitbreiding voor bestaande videomodellen die door middel van tijdelijk gebalanceerde en ruimtelijk selectieve objectinjectie fysiek plausibele en object-consistente hand-object-interacties genereert, zelfs in complexe, onbekende scènes.
Dit paper introduceert Curious-VLA, een tweestapsframework dat de beperkende 'smalle beleid'-problematiek in autonome VLA-modellen aanpakt door middel van Feasible Trajectory Expansion en Adaptive Diversity-Aware Sampling, wat leidt tot state-of-the-art prestaties op de Navsim-benchmark door de exploratiecapaciteit te maximaliseren.
Deze studie analyseert de interne activaties van Vision-Language Models voor autonoom rijden en identificeert twee faalmodi—perceptueel en cognitief—waarbij blijkt dat hoewel objectaanwezigheid lineair gecodeerd is, ruimtelijke concepten zoals oriëntatie slechts impliciet worden vertegenwoordigd en dat prestaties snel verslechteren naarmate objecten verder weg zijn.
Dit paper introduceert TempoSyncDiff, een lichtgewicht latent diffusion-framework dat via kennisdistillatie en tijdsregulatie realistische, stabiele en spraakgestuurde praatkop-generatie mogelijk maakt met een zeer lage latentie, zelfs op randapparatuur.
Dit artikel presenteert een robuust verwerkingskader dat bestaande omnidirectionele RGB-LiDAR-logbestanden omzet in hoogwaardige initialisatiebestanden voor 3D Gaussian Splatting, waardoor kostenefficiënte en nauwkeurige digitale tweelingen kunnen worden gegenereerd zonder de noodzaak van dure, doelgerichte datacollectie.
Dit paper introduceert de nieuwe taak Emotionally Continuous Talking Face Generation (EC-TFG) en het bijbehorende TIE-TFG-model, dat realistische praatende gezichten genereert met vloeiende, tekstgedreven emotionele overgangen in plaats van statische emoties.
Dit artikel introduceert Lyapunov-probes, een methode die hallucinaties in grote taal- en multimodelmodellen detecteert door het probleem te benaderen via stabiliteitstheorie van dynamische systemen, waarbij hallucinaties worden geïdentificeerd als onstabiele gebieden in de representatieruimte.
In dit paper presenteren de auteurs DeepSight, het eerste multimodale taalmodel dat specifiek is ontworpen om driedimensionale scene-interpretatie te verbeteren door dieptekaarten direct te koppelen aan taal, ondersteund door een nieuw dataset en een aangepaste ViT-encoder.
Dit paper introduceert een methode voor neurale video-compressie van statische scènes die positieve-incentive ruis gebruikt om tijdelijke variaties te ontkoppelen van de achtergrond, waardoor de bandbreedte met 73% wordt gereduceerd terwijl de pixel-accuraatheid behouden blijft.
FedARKS is een nieuw federatief leerframework voor personenheridentificatie dat de generalisatie in onbekende domeinen verbetert door lokale, domein-invariante details te benutten en via robuuste kennisselectie en -integratie bijdragen van hoogwaardige clients te maximaliseren in plaats van te vertrouwen op simpele globale middeling.