7541 papers
OVGGT is een trainingsvrij framework dat de reconstructie van 3D-geometrie uit oneindig lange videostreams mogelijk maakt door het geheugen- en rekgebruik constant te houden via zelf-selectieve caching en dynamische ankerbescherming, zonder in te leveren op nauwkeurigheid.
Dit paper introduceert een trainingsvrij framework voor open-vocabulaire objectherkenning dat objectsegmentatie combineert met CLIP-gebaseerde of CNN/MLP-gebaseerde embeddings, wat resulteert in een hogere prestatie dan bestaande methoden op datasets zoals COCO en Pascal VOC.
Deze paper introduceert Skeleton-to-Image Encoding (S2I), een nieuwe methode die skeletdata omzet in afbeeldingen om zo krachtige, voorgetrainde visiemodellen te kunnen gebruiken voor zelftoezichthoudend leren van skeletrepresentaties en zo de uitdagingen van dataformaten en schaarste aan datasets aan te pakken.
Het artikel introduceert CR-QAT, een curriculum-gebaseerd raamwerk voor kwantisatiebewust trainen dat door middel van gefaseerde optimalisatie en relationele kennisdistillatie de prestaties van open-vocabulaire objectdetectie bij agressieve kwantisatie (zoals 4-bit) aanzienlijk verbetert zonder de visueel-taaluitlijning te verstoren.
Dit paper introduceert PROBE, een leervrije LiDAR-locatieherkenningsmethode die probabilistische bezettingskaarten in een BEV-ruimte gebruikt en via analytische translatie-robustheid en FFT-gebaseerde rotatiealignatie toonaangevende prestaties bereikt zonder dataset-specifieke tuning.
Dit paper introduceert ProCap, een nieuw raamwerk dat verandercaptioning transformeert van statische beeldvergelijking naar dynamisch proceduremodeling door een twee-traps architectuur te gebruiken die een procedure-encoder en leerbare query's combineert om expliciet te beschrijven hoe veranderingen plaatsvinden.
Dit paper introduceert DynUAV, een nieuw en uitdagend benchmark voor multi-object tracking vanuit UAV-perspectief dat specifiek is ontworpen om de beperkingen van bestaande methoden bloot te leggen door complexe, dynamische bewegingen en ongunstige omstandigheden te simuleren.
Deze paper introduceert een nieuw raamwerk voor referentiegebaseerde kleuring van schetsen dat door middel van een dubbelvertakkingsarchitectuur en Gram-regularisatie de distributieshift tussen trainings- en inferentiegegevens direct minimaliseert, waardoor state-of-the-art prestaties worden bereikt in kwaliteit, resolutie en controleerbaarheid.
Dit onderzoek introduceert HarvestFlex, het eerste systeem dat vision-language-action (VLA)-policies succesvol toepast voor het oogsten van aardbeien in een ongestructureerde kasomgeving met slechts vier uur tele-geopereerde demonstratiegegevens, waarbij een aangepaste pi_0.5-politiek een slagingspercentage van 74,0% bereikte.
Dit technische rapport beschrijft een samenwerking met toonaangevende Pakistanese producenten om een automatisch optisch inspectiesysteem te ontwikkelen, dat gebruikmaakt van diepe leerarchitecturen zoals YOLOv8, ResNet-152 en EfficientNet-b4 om defecten in chirurgische instrumenten te detecteren en zo de patiëntveiligheid en productkwaliteit te waarborgen.
Het artikel introduceert MM-ISTS, een multimodaal kader dat vision-text large language models gebruikt om onregelmatig bemonsterde tijdreeksvoorspellingen te verbeteren door historische data te combineren met gegenereerde visuele en tekstuele context voor een dieper semantisch en temporair inzicht.
RePer-360 is een zelfmodulerend framework dat bestaande dieptefondsenmodellen voor perspectiefafbeeldingen effectief aanpast aan 360°-panoramische beelden door vervormingsbewuste priors te behouden, waardoor het met slechts 1% van de trainingsdata aanzienlijk betere prestaties levert dan standaard fijnafstemming.
Dit paper introduceert IGAR, een train-vrije methode die de 'taalkundige blindheid' in Vision-Language-Action-modellen oplost door de aandacht tijdens de inferentie te herkalibreren, zodat robots instructies correct volgen zelfs bij tegenstrijdige visuele prikkels.
Dit paper introduceert RepKAN, een nieuw architectuurconcept dat de structurele efficiëntie van CNNs combineert met de niet-lineaire representatiekracht van KANs om interpreteerbare en superieure prestaties te bereiken bij de classificatie van aardobservatiebeelden.
EffectMaker is een unificerend raamwerk dat een multimodaal taalmodel en een diffusiemodel combineert om aangepaste visuele effecten te genereren zonder per-effect fine-tuning, ondersteund door een nieuw, groot synthetisch dataset genaamd EffectData.
Deze paper introduceert MOSIV, een nieuw raamwerk dat video's gebruikt om continue materiaaleigenschappen van meerdere objecten tegelijkertijd te identificeren via een differentieerbare simulator en een nieuw synthetisch benchmark, wat aanzienlijk betere resultaten oplevert dan bestaande methoden.
ViewFusion is een tweestapsframework dat multi-view ruimtelijke redenering verbetert door expliciete kruisbeeldvoorberekening te scheiden van de uiteindelijke vraagbeantwoording, wat leidt tot een significant hogere nauwkeurigheid op MMSI-Bench.
StruVis is een nieuw framework dat de tekst-naar-beeldgeneratie verbetert door complexe prompts te analyseren via gestructureerde visuele representaties in plaats van tussenliggende afbeeldingen, waardoor het rekenvermogen van multimodale modellen wordt geoptimaliseerd zonder de hoge kosten van bestaande methoden.
Dit paper introduceert OA-SORT, een trainingsvrij en plug-and-play framework dat door middel van een Occlusion-Aware Module, Occlusion-Aware Offset en Bias-Aware Momentum de prestaties van multi-object tracking verbetert door verwarrende kosten door gedeeltelijke occlusie te verminderen.
Dit onderzoek toont aan dat stratified subsampling op hyperkolommen, gecombineerd met ensemble learning, de prestaties van beeldsegmentatie aanzienlijk verbetert, vooral in situaties met zeer weinig trainingsdata waar een eenvoudige logistische regressie de beste resultaten levert.