5561 papers
Deze paper introduceert een lichtgewicht encoder die lange video-archieven efficiënt comprimeert tot korte embeddingen via een vooropgeleide frame-query-objective, waardoor consistente autoregeneratieve video-generatie mogelijk wordt binnen beperkte rekenkracht.
In dit werk wordt Spatial4D-Bench gepresenteerd, een uitgebreid benchmark met ongeveer 40.000 vraag-antwoordparen voor 18 taken die de beperkingen van multimodale grote taalmodellen in menselijke 4D-ruimtelijke intelligentie blootlegt en de ontwikkeling van geavanceerdere modellen stimuleert.
Deze paper introduceert MDENeRF, een iteratief framework dat monokulaire diepteschattingen verfijnt door Bayesiaanse fusie toe te passen op een globale monokulaire prior en gedetailleerde, onzekerheidsgebaseerde dieptedata van Neural Radiance Fields.
Dit paper introduceert FlyPose, een lichtgewicht en robuust systeem voor het schatten van menselijke houdingen vanuit drone-beelden dat aanzienlijke prestatieverbeteringen boekt, real-time presteert op een Jetson Orin AGX en wordt aangevuld met een nieuw, uitdagend dataset genaamd FlyPose-104.
Dit artikel introduceert het GFHTP₁-algoritme, een robuuste methode voor het exacte herstel van sparse signalen uit met uitbijters vervuilde metingen zonder voorafgaande kennis van de sparsiteit, die theoretisch gegarandeerd binnen iteraties convergeert en numeriek superieur presteert aan bestaande methoden.
SpatialMem is een geheugencentrisch systeem dat op basis van casual RGB-ego-video een meetkundig 3D-structuur bouwt om langdurige taalkundige zoekopdrachten en vragen over binnenruimtes te ondersteunen zonder speciale sensoren.
Dit paper introduceert OnlineSI, een framework dat multimodale grote taalmodellen in staat stelt om door middel van een beperkte ruimtelijke geheugenstructuur en integratie van 3D-puntwolkdata continu ruimtelijk begrip en gronding te ontwikkelen voor realtime toepassing in veranderende omgevingen.
Dit paper introduceert SRA 2, een lichtgewicht framework dat de trainingssnelheid en kwaliteit van diffusion transformers verbetert door interne latent features uit te lijnen met pre-getrainde VAE-kenmerken, zonder de noodzaak van zware externe encoders of dubbele modelopzet.
FARTrack is een snel en hoogpresterend visueel trackersysteem dat autoregressie, taakspecifieke zelfdistillatie en inter-frame autoregressieve verdunning combineert om real-time prestaties op zowel GPU als CPU te bereiken zonder in te leveren op nauwkeurigheid.
Het paper introduceert SpatialReward, een beloningsmodel dat de perceptiekloof in online versterkingsleer voor beeldbewerking overbrugt door expliciete ruimtelijke redenering te gebruiken voor nauwkeurigere evaluatie en verbeterde prestaties.
Deze paper introduceert (MGS)-Net, een innovatief raamwerk dat micro-geometrische schaal en macro-geometrische structuur unificeert via modules voor schaaladaptatie en structurele filtering om robuuste cross-view geo-localisatie te bereiken onder extreme perspectiefverschillen.
Dit paper introduceert MiDAS, een open-source, platform-onafhankelijk systeem voor tijdgesynchroniseerde, niet-invasieve multimodale dataverzameling bij robot-assisterende minimaal invasieve chirurgie, dat wordt ondersteund door een nieuw dataset met hand- en voetbewegingen en video-opnames van chirurgen die taken uitvoeren op de Raven-II en da Vinci Xi.
DAV-GSWT is een data-efficiënt framework dat diffusiemodellen en actieve view-sampling combineert om hoogwaardige Gaussian Splatting Wang Tiles te genereren uit minimale input, waardoor de afhankelijkheid van dichtbezaaide voorbeelden voor het creëren van realistische virtuele omgevingen wordt verminderd.
Deze paper introduceert RobSelf, een zelftoezichtend model dat cross-modale super-resolutie op real-world, niet-uitgelijnde data verbetert door online een misalignering-bewuste feature-vertaler en een content-bewuste referentiefilter gezamenlijk te optimaliseren, wat leidt tot state-of-the-art prestaties en een tot 15,3 keer hogere snelheid dan bestaande methoden.
Het UrbanAlign-framework kalibreert post-hoc de voorkeuren van menselijke waarnemers voor stedelijke scènes door een bevroren vision-language model te gebruiken als conceptextractor en de output te aligneren met menselijke ratings via een drie-staps proces, waardoor de prestaties aanzienlijk verbeteren zonder dat het model opnieuw getraind hoeft te worden.
Deze studie toont aan dat het combineren van de geometrische structuurherkenning van DINO en de interactie-priors van Flux in een training-vrije, zero-shot methode leidt tot een effectieve affordance-beslissing, wat bevestigt dat deze twee perceptieve capaciteiten de fundamentele bouwstenen zijn voor het begrijpen van interactie in visuele foundation-modellen.
StoryTailor is een zero-shot pipeline die op een enkele RTX 4090 GPU werkt en door middel van drie synergetische modules (GCA, AB-SVR en SFC) visuele verhalen genereert met meerdere onderwerpen die zowel actiegetrouwheid als identiteitsbehoud combineren met consistente achtergronden.
Dit paper introduceert UniVBench, een nieuw benchmark en evaluatiesysteem dat is ontworpen om de geïntegreerde capaciteiten van video-fundatiemodellen op het gebied van begrip, generatie, bewerking en reconstructie te beoordelen aan de hand van complexe, mensgemaakte video's en gestandaardiseerde instructies.
Deze paper introduceert een geometrie-bewuste methode met behulp van een Graph Neural Network die, door gebruik te maken van structuurpriors en ellipsoïdale ondersteuningslifting, nauwkeuriger heterogene cryo-EM reconstructies van eiwitbackbones produceert dan traditionele MLP-modellen.
Dit paper introduceert DPCache, een trainingsvrij versnellingsframework voor diffusiemodellen dat het afleidingsproces als een globaal padplanningsprobleem formuleert om via dynamische programmering een optimale reeks tijdstappen te selecteren en zo de rekentijd aanzienlijk te verminderen zonder kwaliteitsverlies.