5561 papers
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.
Dit paper introduceert SSL-SLR, een zelftoezichtend leerframework voor gebarentaalherkenning dat middels een nieuwe methode met gratis negatieve paren en een geavanceerde data-augmentatietechniek de beperkingen van bestaande contrastieve methoden overwint om robuustere en meer discriminerende representaties te leren.
Dit paper introduceert RED, een robuust netwerk voor bewegingsontwarring dat modale specificiteit en selectieve fusie gebruikt om de prestaties van op gebeurtenissen gebaseerde beeldherstel te verbeteren, zelfs bij onvolledige en gefragmenteerde data door onder-rapportage van de sensor.
Dit paper introduceert Kernel VICReg, een zelftoezichtend leermethode die het VICReg-doelwit naar een Reproducing Kernel Hilbert Ruimte verplaatst om niet-lineaire afhankelijkheden beter te vangen en representatieve ineenstorting te voorkomen, wat leidt tot consistente prestatieverbeteringen op diverse datasets.
Dit paper introduceert C²Prompt, een nieuwe methode voor federatief continu leren die door middel van lokale klassendistributie-compensatie en klassenbewuste prompt-aggregatie de coherentie van kennis tussen clients verbetert om zowel ruimtelijk als tijdelijk vergeten te verminderen.
Dit artikel presenteert een visie-gestuurde aanpak voor legrobots die door middel van betrouwbaarheidsgekalibreerde semantische waarneming en topologische subdoelselectie effectieve beslissingen neemt voor semantische objectverkenning zonder afhankelijk te zijn van dichte geometrische reconstructie.
Het paper introduceert DeCLIP, een replay-vrij en parameter-efficiënt framework dat CLIP aanpast voor multi-label class-incremental learning door middel van decoupled prompting en Adaptive Similarity Tempering om catastrofaal vergeten en hoge vals-positieve rates effectief te verminderen.
Dit paper introduceert BOUND, een open-wereld objectdetector die niet alleen onbekende objecten detecteert, maar ook hun grofkorrelige categorieën infereert om semantische granulariteit te behouden en betere besluitvorming mogelijk te maken zonder de prestaties op bekende klassen te verlagen.
Dit paper introduceert LikePhys, een trainingsvrije methode die intuïtieve fysica in videodiffusiemodellen evalueert door het onderscheid te maken tussen fysiek geldige en onmogelijke video's, en toont aan dat deze aanpak sterk overeenkomt met menselijke voorkeur terwijl het een duidelijke verbetering in fysiekbegrip bij grotere modellen aantoont.
Het artikel introduceert CanvasMAR, een nieuw autoregressief videopredictiemodel dat gebruikmaakt van een 'canvas' als globale structuur en een bewegingsgevoelige trainingsmethode om met weinig steppes hoogwaardige en coherente video's te genereren die concurreren met geavanceerde diffusiemethoden.
Dit paper introduceert 3DThinker, een innovatief raamwerk dat het ruimtelijk redeneren van vision-language modellen verbetert door tijdens het redeneren 3D-mentale beelden te genereren zonder voorafgaande 3D-invoer of gelabelde 3D-data.
Dit artikel introduceert AURASeg, een op ResNet gebaseerd segmentatiekader dat middels een Residual Boundary Refinement Module en een Attention Progressive Upsampling Decoder de precisie van randen en regio's verbetert voor het detecteren van berijdbare gebieden door robots, met succesvolle validatie op een Jetson Nano.
Dit paper introduceert CULTIVate, een benchmark met duizenden afbeeldingen en nieuwe metrics om de culturele eerlijkheid van tekst-naar-beeldmodellen te evalueren op basis van dagelijkse sociale activiteiten, waarbij blijkt dat deze modellen systematisch beter presteren voor landen in het Noordelijk Halfrond dan voor die in het Zuidelijk Halfrond.
Dit paper introduceert een synergistisch optimalisatiekader voor deepfake-detectie dat structurele bias-dekoppeling en globale distributie-afstemming combineert om de eerlijkheid tussen en binnen demografische groepen te verbeteren zonder in te leveren op de algehele detectienauwkeurigheid.
LaxMotion is een nieuw raamwerk dat de generalisatie van 3D menselijke bewegingsgeneratie verbetert door te stoppen met het gebruik van exacte 3D-coördinaten als supervisie en in plaats daarvan te leren op basis van consistente structurele relaties tussen globale trajecten en monokulaire 2D-kinetische aanwijzingen.
Dit artikel introduceert een nieuw evaluatiekader met de Cultural Reference Transformation-metriek om te analyseren hoe diffusion-modellen culturele iconische referenties herkennen en realiseren, waarbij wordt aangetoond dat dit gedrag niet alleen afhankelijk is van datafrequentie maar ook van unieke tekstuele en culturele factoren.
Dit artikel presenteert Co-Layout, een nieuw raamwerk dat grote taalmodellen combineert met roostergebaseerde integer-programmering en een grof-naar-fijn optimalisatiestrategie om binneninrichtingen en meubelplaatsing gezamenlijk te optimaliseren op basis van tekstuele prompts.