6941 papers
Dit artikel introduceert een dictionary-gestuurd raamwerk dat ontbrekende infraroodbeelden overbrugt door visuele informatie in een coëfficiënt-domein te vertalen en te fusioneren, waardoor interpreteerbare en kwalitatief betere resultaten worden bereikt zonder oncontroleerbare pixelgeneratie.
Dit paper introduceert VSDiffusion, een tweestapsframework dat zichtbaarheidsvoorafgaande kennis gebruikt om de ill-geposeerde aard van schaduwgeneratie aan te pakken en zo realistische, geometrisch consistente schaduwen voor ingevoegde objecten te creëren.
AffordGrasp is een diffusion-gebaseerd framework dat fysiek stabiele en semantisch nauwkeurige menselijke grijpposities genereert door een schaalbaar annotatieproces en een dubbel-conditioneringsproces te integreren om de kloof tussen 3D-objectrepresentaties en tekstuele instructies te overbruggen.
Deze paper introduceert MambaDance, een nieuwe aanpak voor het genereren van dansbewegingen die een op Mamba gebaseerd diffusiemodel en een Gaussische beat-representatie combineert om langere, ritmisch coherente en muziekgesynchroniseerde dansen te creëren die de beperkingen van bestaande Transformer-methoden overwinnen.
Deze paper introduceert een tweestapskaskader dat natuurlijke taal omzet in skeletsequentieën en vervolgens naar realistische video's, waarbij het tekort aan openbare datasets voor complexe menselijke bewegingen oplost met een synthetisch dataset en verbeterde prestaties boekt op zowel bewegingsdiversiteit als tijdsconsistentie.
Dit paper introduceert QualiTeacher, een nieuw raamwerk dat de kwaliteit van pseudo-labels gebruikt als conditioneel toezichtsignaal om realistische beeldherstelmodellen te trainen die kunstmatige artefacten vermijden en resultaten kunnen genereren die beter zijn dan de oorspronkelijke pseudo-labels.
Dit paper presenteert een robuust multimodaal raamwerk met veilige cross-attention en modality dropout dat de uitdagingen van de 10e ABAW-uitdaging voor expressierecognitie, zoals gedeeltelijke verduistering en ontbrekende modaliteiten, effectief aanpakt en een nauwkeurigheid van 60,79% bereikt op de Aff-Wild2-validatieset.
Speed3R is een nieuw, doeltreffend 3D-reconstructiemodel dat de kwadratische complexiteit van bestaande methoden overwint door een dual-branch-attentiemechanisme te gebruiken dat zich richt op de meest informatieve beeldtokens, waardoor een 12,4-voudige versnelling van de inferentie wordt bereikt met slechts een minimale afname in geometrische nauwkeurigheid.
Dit paper introduceert "See & Switch", een interactief robot-programmeerframework dat visuele feedback gebruikt om conditionele taakbomen dynamisch te vertakken en afwijkende situaties te detecteren, waardoor robuust en intuïtief leren door demonstratie voor complexe manipulatie taken mogelijk wordt.
Het paper introduceert ImageEdit-R1, een multi-agent framework dat versterkt leren gebruikt om gespecialiseerde agents te coördineren voor het uitvoeren van complexe en contextbewuste beeldbewerkingen die beter presteren dan bestaande monolithische modellen.
Deze paper introduceert een plug-and-play architectuur die Large Vision-Language Models (LVLMs) en een relationele verliesfunctie gebruikt om de nauwkeurigheid van UAV-geolocalisatie door satellietbeelden te verbeteren via expliciete visueel-semantische correlaties.
Deze paper introduceert nieuwe, trainingsvrije kwaliteitsmetrieken voor generatieve modellen die werken in de ruimte van discrete visuele tokens in plaats van continue kenmerken, en valideert deze met een uitgebreid benchmarkdataset (VisForm) om een sterkere correlatie met menselijke oordelen te bereiken.
Dit paper introduceert een methode om synthetische defectbeelden van hoogspanningsisolatoren te genereren met behulp van multimodale grote taalmodellen, waardoor de prestaties van defectdetectiemodellen aanzienlijk verbeteren in scenario's met beperkte realistische trainingsdata.
Het paper introduceert TALON, een adaptief leerframework dat de beperkingen van bestaande hash-gebaseerde methoden voor on-the-fly categorieontdekking overwint door testtijd-adaptatie en semantische prototype-updates te gebruiken, waardoor het model dynamisch nieuwe kennis kan verwerven zonder last te hebben van categorie-explosie.
Dit paper introduceert een nieuwe 'Map-Based AI'-benadering voor object-navigatie die een lokaal, op LoRA gefinetuned Llama-2-model combineert met een hybride topologisch-roosterkaart om semantische zones te infereren en systematische verkenning te optimaliseren, wat leidt tot aanzienlijk betere prestaties dan traditionele reactieve methoden in de AI2-THOR-simulatie.
Dit paper introduceert DSH-Bench, een uitgebreid benchmark met een hiërarchische taxonomie en een nieuwe consistentiemaatstaf (SICS) om subject-gedreven tekst-naar-beeldmodellen systematisch te evalueren op basis van moeilijkheidsgraad en scenario's, waardoor beperkingen van bestaande modellen worden blootgelegd en gerichte richtingen voor toekomstige verbetering worden geboden.
TrianguLang is een voeding-voorwaartse, pose-vrije 3D-lokalisatiemethode die met behulp van geometrie-bewuste semantische aandacht (GASA) de nauwkeurigheid en geometrische consistentie van objecten en delen in 3D-ruimtes verbetert zonder camera-calibratie, waardoor het toepasbaar is voor interactieve robotica en AR-toepassingen.
Deze paper introduceert Adaptive MLP Pruning (AMP), een methode die de parameters en FLOPs van grote Vision Transformers met ongeveer 40% vermindert zonder merkbare prestatieverlies door het gebruik van een label-vrije entropie-criterium voor nauwkeurigere neuron-evaluatie en een adaptieve binaire zoekalgoritme voor het bepalen van de pruning-diepte.
Dit artikel introduceert SAMoE-VLA, een autonoom rijmodel dat de instabiliteit van bestaande token-gebaseerde MoE-mechanismen oplost door expertselectie te baseren op gestructureerde verkeerscènes en een conditionele cross-modale causale aandachtmechanisme, waardoor het state-of-the-art prestaties bereikt met minder parameters.
FoleyFlow introduceert een gecoördineerde video-naar-audio generatiemethode die via gemaskeerde audio-visuele uitlijning en dynamische conditionele flows zowel semantische als ritmische synchronisatie tussen video en gegenereerde audio verbetert.