1863 papers
Het paper introduceert GroundCount, een framework dat Vision-Language-modellen verrijkt met objectdetectie-gebaseerde ruimtelijke grounding om hallucinaties bij het tellen van objecten te verminderen en de nauwkeurigheid aanzienlijk te verbeteren.
Deze paper introduceert het Color Fidelity Dataset (CFD) en de Color Fidelity Metric (CFM) om de neiging van tekst-naar-beeldmodellen tot overmatige levendigheid te corrigeren, en stelt een trainingsvrije verfijningsmethode (CFR) voor om de kleurauthenticiteit in realistische generaties te verbeteren.
In een interdisciplinair onderzoek tussen computerwetenschappers en kunsthistorici wordt onderzocht hoe Vision Language Models kunststijlen herkennen en blijkt dat hun gebruikte concepten voor 90% relevant zijn en voor 73% semantisch zinvol worden bevonden door experts.
Het artikel introduceert DynVLA, een autonoom rijmodel dat een nieuwe 'Dynamics CoT'-paradigma hanteert door compacte werelddynamieken te voorspellen via een dynamische tokenizer, wat leidt tot fysiek onderbouwde en nauwkeurigere beslissingen dan bestaande tekstuele of visuele methoden.
Het artikel introduceert V2M-Zero, een methode die video naar tijd-gealigneerde muziek vertaalt zonder gekoppelde trainingsdata, door gebruik te maken van binnen-modale gebeurteniskrommen om de gedeelde temporele structuur tussen video en muziek te benutten.
In dit paper stellen de auteurs Agentar-Fin-OCR voor, een systeem voor het parseren van financiële documenten dat complexe lay-outs en paginagroei overwint door geavanceerde algoritmen te combineren met een nieuw benchmark, FinDocBench, om nauwkeurige, gestructureerde en audit-proof output te genereren.
Dit paper introduceert NeFTY, een differentieerbaar fysica-framework dat gebruikmaakt van neurale velden en een strikte numerieke solver om materialen kwantitatief in 3D te reconstrueren op basis van oppervlaktetemperatuurmetingen, waardoor de beperkingen van traditionele thermografie en bestaande PINN-benaderingen voor het detecteren van ondergrondse defecten worden overwonnen.
Dit paper introduceert LiTo, een nieuwe 3D-latente representatie die objectgeometrie en view-dependent uiterlijk (zoals spiegelreflecties) gezamenlijk modelleert door oppervlakte-lichtveldstokenisatie, waardoor realistische 3D-generatie vanuit een enkele inputafbeelding mogelijk wordt.
Deze paper introduceert een volledig geautomatiseerd AI-systeem dat korte komediesoaps genereert door middel van een agentenpopulatie die de rollen van een productiestudio nabootst en gebruikmaakt van door LLM-aangedreven critici die zijn getraind op YouTube-data om humor te evalueren en de output te optimaliseren.
Dit artikel introduceert een compact bidirectioneel Transformer-model voor beeldbeschrijving dat door het koppelen van links-naar-rechts en rechts-naar-links stromen in één parallelle architectuur, context uit beide richtingen benut en nieuwe state-of-the-art resultaten bereikt op het MSCOCO-benchmark.
Dit artikel introduceert SDR-GAIN, een real-time generatieve tegenstrijdige imputatiemethode die ontbrekende sleutelpunten van verduisterde voetgangers in autonome rijscenario's nauwkeurig reconstrueert door te leren van de numerieke verdeling van coördinaten in plaats van visuele occlusiepatronen.
Dit artikel introduceert PnLCalib, een op optimalisatie gebaseerde kalibratiemethode voor sportvelden die gebruikmaakt van een 3D-soccerfield-model en lijndetectie om nauwkeurigere camera-calibratie te bereiken in broadcast-sportvideo's dan bestaande zoekmethoden.
Dit artikel introduceert DP-IQA, een baanbrekende methode voor blinde beeldkwaliteitsbeoordeling in het wild die gebruikmaakt van de robuuste perceptieve priors van een vooraf getraind Stable Diffusion-model om, via kennisdistillatie naar een lichtgewicht CNN, state-of-the-art prestaties en superior generalisatievermogen te bereiken.
Deze paper introduceert Style-Guided Motion Diffusion (SGMD), een Transformer-gebaseerd model dat muziekkenmerken combineert met stijlprompts en een ruimtetijdmaskeringmechanisme om realistische, stijlvol consistente en volledig controleerbare danssequenties te genereren.
TIMotion is een efficiënt en effectief framework voor het genereren van mens-mens bewegingen dat via causale interactie-injectie, rollen-evoluerende scanning en lokaal patroonversterking de beperkingen van bestaande methoden overwint om superieure resultaten te behalen.
Deze paper introduceert een unificerend raamwerk dat kwantisatie en verduidelijking als additief ruis modelleert en een afgeleid denoising-dekwantisatietransform toepast om stabiele training van neurale netwerken op willekeurige precisie- en sparsiteitsniveaus mogelijk te maken, waardoor state-of-the-art resultaten worden behaald in ultra-lage precisie-regimes zoals A1W1.
Dit paper introduceert DCPI, een methode voor datasetcondensatie die de prestaties verbetert door naast de gereduceerde dataset ook 'geprivilegieerde informatie' te synthetiseren die als aanvullende supervisie dient tijdens het trainen van modellen.
Deze paper introduceert een onbeheerde methode voor representatieleren die sequentiegegevens analyseert door latente transformaties te ontleden in een combinatie van actieve, sparsere rotatie- en potentiaalvelden, wat leidt tot nieuwe ontkoppelde representaties met state-of-the-art prestaties in waarschijnlijkheid en equivariantie.
Deze paper presenteert een nieuwe beeldcompressietechniek voor onderwaterrobots die gebruikmaakt van gesynthetiseerde nieuwe weergaven en gradiëntafstijging om de beperkte bandbreedte van akoestische communicatie te overwinnen, wat resulteert in superieure compressie en beeldkwaliteit.
Dit artikel introduceert een budget-efficiënt actief prompt-learningkader dat gebruikmaakt van class-geleide clustering en adaptieve drempels op basis van Vision-Language Model-priors om met minder gelabelde data een hogere nauwkeurigheid te bereiken dan bestaande methoden.