4361 papers
Dit paper introduceert XFactor, het eerste geometrie-vrije zelf-supervised model dat echte Novel View Synthesis mogelijk maakt door camera-pose en scène-inhoud te ontkoppelen, waardoor geproduceerde poses overdraagbaar zijn tussen verschillende 3D-scènes zonder gebruik te maken van expliciete 3D-inductieve bias.
Dit paper introduceert VIST3A, een framework dat een vooraf getrainde tekst-naar-video-generator naadloos koppelt aan een 3D-reconstructienetwerk via modelstitching en beloningsgebaseerde finetuning om hoogwaardige tekst-naar-3D-generatie te realiseren.
Dit artikel introduceert DRBD-Mamba, een robuust en computatie-efficiënt 3D-segmentatiemodel voor hersentumoren dat gebruikmaakt van een dubbele-resolutie bi-directionele Mamba-architectuur en een ruimtevullende curve om de nauwkeurigheid en stabiliteit op diverse BraTS-data te verbeteren ten opzichte van bestaande methoden.
Dit paper introduceert MSSR, een tweeledig agentenframework dat de ruimtelijke redeneerprestaties van Vision-Language-modellen verbetert door een minimale voldoende set aan 3D-perceptiegegevens te selecteren, waardoor zowel de beperkingen van 2D-gebaseerde training als de storing door overbodige informatie worden aangepakt.
Dit paper introduceert SceneCOT, een nieuw raamwerk met een op de 3D-scène gebaseerde Chain-of-Thought-redeneermethode en het bijbehorende SCENECOT-185K-dataset, dat voor het eerst menselijke stap-voor-stap redenering mogelijk maakt voor grondige vraag-antwoordtaken in 3D-scènes.
Dit paper introduceert Grasp Any Region (GAR), een multimodaal groot taalmodel dat door middel van een nieuwe RoI-gealigneerde feature replay-techniek en de GAR-Bench-evaluatie, de beperkingen van eerdere modellen overwint door complexe, contextbewuste regionale interacties en samenstellende redenering mogelijk te maken.
FLoC is een trainingsvrije, modelonafhankelijke methode die de facility location-functie en een lazy greedy-algoritme gebruikt om visuele tokens in lange video's efficiënt te comprimeren, waardoor de verwerkingssnelheid van Large Multimodal Models aanzienlijk wordt verbeterd zonder in te leveren op de prestaties.
MotionStream is een real-time video-generatiemodel dat via distillatie en een slimme sliding-window-attention-mechanisme interactieve bewegingscontrole mogelijk maakt met sub-seconde latentie en constante snelheid voor onbeperkt lange video's.
Dit artikel introduceert SASG-DA, een nieuwe data-augmentatiemethode op basis van diffusiemodellen die semantische geleiding en een spaarzaamheidsbewuste steekproefstrategie combineert om de betrouwbaarheid en diversiteit van sEMG-gegevens te verbeteren, waardoor overfitting wordt tegengegaan en de prestaties van myoelektrische gebarenherkenning aanzienlijk worden verhoogd.
DeiTFake is een deepfake-detectiemodel dat een DeiT-architectuur combineert met een innovatieve twee-fasen trainingsstrategie met toenemende augmentatiecomplexiteit om 99,22% nauwkeurigheid te bereiken op de OpenForensics-dataset.
Deze paper presenteert een volledig automatische methode om gelabelde data te genereren voor het detecteren en corrigeren van echografie-beelden op monitoren, waardoor de afhankelijkheid van DICOM wordt opgeheven en beelden met voldoende nauwkeurigheid kunnen worden gebruikt voor verdere analyse.
Dit artikel introduceert DAP, een compacte autoregressieve planner die discrete tokens gebruikt om zowel BEV-semantiek als ego-trajecten gezamenlijk te voorspellen en via versterkingslering te optimaliseren, waardoor state-of-the-art prestaties worden bereikt op de NAVSIM-benchmark.
Deze paper introduceert het CCSD-framework, een nieuw zelfdistillatie-gebaseerd model dat robuuste hersentumorsegmentatie mogelijk maakt door willekeurige combinaties van ontbrekende MRI-modali te hanteren via een gedeelde-specifieke architectuur en geavanceerde kennisoverdrachtstrategieën.
Dit paper introduceert FlashCache, een frequentiedomein-gestuurde compressiemethode voor multimodale KV-cache die uitbijterparen behoudt om de inferentie-efficiëntie van multimodale grote taalmodellen aanzienlijk te verbeteren zonder prestatieverlies.
Dit artikel introduceert MambaTAD, een nieuw end-to-end model voor tijdsgebonden actie-detectie dat Structured State-Space-modellen combineert met een diagonaal-gemaskeerde bidirectionele module en een globale feature-fusiehead om de beperkingen van bestaande methoden bij het detecteren van langdurige acties in ongesneden video's effectief aan te pakken.
De auteurs presenteren ObAct, een innovatief raamwerk voor actieve visuele imitatielearning waarbij een waarnemende arm dynamisch de beste camerapositie kiest via 3D-Gaussian Splatting om een uitvoerende arm te helpen, wat resulteert in aanzienlijk robuustere robotbeheersing in vergelijking met statische camera-opstellingen.
STAvatar verbetert de reconstructie van monolere 3D-hoofd-avatars door een UV-adaptief zacht bindingskader en een tijdsgebonden dichtheidscontrolestrategie te introduceren, wat leidt tot superieure resultaten bij het vastleggen van fijne details en het reconstrueren van vaak verduisterde gebieden.
Dit paper introduceert RadarVLM, een vision-language framework dat via gestructureerde ruimtelijke taal-supervisie en een nieuwe SG-CLIP-objective een verenigde representatie voor radarscènes leert, wat leidt tot aanzienlijke verbeteringen in ruimtelijke redenering en segmentatieprestaties vergeleken met bestaande methoden.
PowerCLIP is een nieuw contrastief voortrainingsframework dat middels efficiënte niet-lineaire aggregatoren de exponentiële complexiteit van powerset-uitlijning overwint om compositiese semantics tussen meerdere beeldregio's en tekst te optimaliseren, wat leidt tot superieure zero-shot prestaties.
Dit paper introduceert DPAC, een methode voor diffusie-sampling die de adversariele gradiënten projecteert op de raakruimte van de generatieve score om zo de distributie te behouden en de kwaliteit van de gegenereerde beelden te maximaliseren zonder de aanvalsprestaties te verstoren.