6612 papers
Dit paper introduceert SCOTT en MIM-JEPA, een methode die Vision Transformers in staat stelt om zonder grote datasets of rekenkracht robuuste representaties te leren, waardoor de afhankelijkheid van 'big data' in het zelftoezichtende leren voor visie wordt doorbroken.
In dit paper wordt NAMI voorgesteld, een efficiënt beeldgeneratiemodel dat via een bruggeleidde progressieve rectified flow-architectuur de inferentietijd voor 1024-resolutie beelden met 64% verlaagt terwijl de beeldkwaliteit behouden blijft.
Het artikel introduceert ECLARE, een efficiënte zelflerende super-resolutiemethode die anisotrope resolutieverbetering in klinische 2D-MR-beelden mogelijk maakt door slice-profielen te schatten en domeinverschuiving te voorkomen zonder externe trainingsdata.
Dit artikel introduceert EarthScape, een multimodaal dataset en reproduceerbaar pipeline voor kunstmatige intelligentie die digitale hoogtemodellen, luchtfoto's en hydrologische data integreert om de arbeidsintensieve workflow voor het maken van oppervlakkige geologische kaarten te stroomlijnen en te schalen.
Dit artikel introduceert een reeks tests op basis van psychofysische metingen van laag-niveau visie om bestaande beeld- en videokwaliteitsmetrieken te evalueren op hun vermogen om aspecten zoals contrastgevoeligheid en contrastmaskering te modelleren, en toont aan dat deze tests eigenschappen blootleggen die met standaardprotocollen vaak onopgemerkt blijven.
In dit paper presenteren de auteurs FindAnything, een efficiënt open-wereld mapping-framework dat visueel-taalinformatie op objectniveau integreert in volumetrische submaps, waardoor robots real-time semantische en geometrische kaarten kunnen bouwen van grote, onbekende omgevingen met beperkte rekenkracht.
GenCLIP is een nieuw raamwerk voor zero-shot anomaliedetectie dat de generalisatie en stabiliteit verbetert door middel van multi-layer prompting, een dual-branch inferentiestrategie en een adaptief mechanisme voor het filteren van tekstprompten.
Dit artikel introduceert EVA, een nieuw asynchroon tot synchroon (A2S) framework dat door inspiratie uit taalmodellen event-gebaseerde visie verbetert en state-of-the-art prestaties behaalt op zowel herkennings- als detectietaken.
Deze paper introduceert BusterX, een MLLM-basismodel met RL-training dat AI-generatievideo's detecteert via visuele redenering in plaats van directe classificatie, ondersteund door het nieuwe GenBuster-200K-dataset en de GenBuster-Bench-benchmark voor een robuuste evaluatie van detectie en uitlegkwaliteit.
Deze paper introduceert DVD-Quant, een data-vrij kwantisatiekader voor Video Diffusion Transformers dat door middel van innovatieve technieken zoals BGR, ARQ en δ-GBS een 2x snelheidswinst realiseert en W4A4-kwantisatie mogelijk maakt zonder in te leveren op de video-kwaliteit.
Dit paper introduceert Alchemist, een compacte en effectieve dataset voor supervised fine-tuning die is samengesteld met behulp van een generatief model als schatting voor hoogwaardige trainingsdata, en die de kwaliteit van openbare tekst-naar-beeldmodellen aanzienlijk verbetert zonder hun diversiteit te verliezen.
Dit artikel introduceert een nieuw kaders voor instantiegegevenscondensatie (IDC) dat specifiek is ontworpen voor beeldsuperresolutie en dat, door gebruik te maken van willekeurige lokale Fourier-kenmerkextractie en multi-niveau kenmerkverdelingmatching, een synthetische dataset van slechts 10% van de oorspronkelijke DIV2K-dataset genereert die vergelijkbare prestaties en trainingsstabiliteit bereikt als het volledige dataset.
Dit paper introduceert VisioMath, een benchmark van 1.800 wiskundeproblemen met visueel vergelijkbare diagrammen, om de beperkingen van Large Multimodal Models in fijnmazig redeneren te analyseren en strategieën voor verbeterde beeld-tekstuitlijning te presenteren.
VisualPrompter is een trainingsvrije framework dat de semantische uitlijning tussen gebruikersprompts en gegenereerde afbeeldingen verbetert door automatisch ontbrekende concepten te identificeren en prompts op atomair niveau te optimaliseren met visuele feedback.
Het paper introduceert SPoT, een innovatieve tokenisatiestrategie voor Vision Transformers die tokens continu binnen afbeeldingen plaatst in plaats van op een raster, waardoor de noodzaak voor een groot aantal tokens wordt verminderd en de prestaties in spaarzame regimes aanzienlijk worden verbeterd.
Dit paper introduceert SPARC, een raamwerk dat met behulp van een globale TopK-sparsiteitsmechanisme en een kruisreconstructieverlies een gedeelde, semantisch consistente latente ruimte creëert voor concepten over verschillende AI-modellen en -modaliteiten heen, waardoor directe vergelijking en nieuwe toepassingen zoals tekst-gestuurde lokalisatie mogelijk worden.
Dit paper introduceert Token Bottleneck (ToBo), een zelftoezichtend leerproces dat dynamische scènes comprimeert tot een compacte token om tijdsafhankelijke visuele representaties te leren voor taken zoals videolabelpropagatie en robotmanipulatie.
Dit paper introduceert NarrLV, het eerste benchmarkkader dat de narratieve expressie van lange video-generatiemodellen systematisch evalueert aan de hand van filmtheoretische principes en een op MLLM gebaseerde meetmethode.
Deze paper introduceert TomatoMAP, een uitgebreide dataset met 64.464 beelden van tomatenplanten die, aangevuld met handmatige annotaties en gevalideerd door een deep learning-framework, menselijke expertoordelen evenaart voor nauwkeurige en reproduceerbare fijnkorrelige fenotypering.
ExDD is een nieuw kader voor de detectie van oppervlakdefecten dat de beperkingen van traditionele one-class methoden overwint door expliciete modellering van dubbele verdelingen, het genereren van synthetische defecten via latent diffusion en een geavanceerde scoremechanisme, wat resulteert in verbeterde prestaties op industriële datasets.