7545 papers
Dit paper introduceert FontUse, een data-gedreven aanpak die een groot, geannoteerd typografiedataset gebruikt om bestaande tekst-naar-beeldmodellen te finetunen, waardoor ze teksten in afbeeldingen consistent kunnen genereren op basis van specifieke lettertypestijlen en gebruiksscenario's.
Dit paper introduceert GvU, een zelftoezichtend versterkingsleerframework dat de generatiekwaliteit van uniforme multimodale modellen verbetert door gebruik te maken van hun eigen visuele begrijpingscapaciteit als intrinsieke beloning, waardoor de kloof tussen visueel begrijpen en genereren wordt overbrugd.
GenHOI is een lichtgewicht uitbreiding voor bestaande videomodellen die door middel van tijdelijk gebalanceerde en ruimtelijk selectieve objectinjectie fysiek plausibele en object-consistente hand-object-interacties genereert, zelfs in complexe, onbekende scènes.
Dit paper introduceert Curious-VLA, een tweestapsframework dat de beperkende 'smalle beleid'-problematiek in autonome VLA-modellen aanpakt door middel van Feasible Trajectory Expansion en Adaptive Diversity-Aware Sampling, wat leidt tot state-of-the-art prestaties op de Navsim-benchmark door de exploratiecapaciteit te maximaliseren.
Deze studie analyseert de interne activaties van Vision-Language Models voor autonoom rijden en identificeert twee faalmodi—perceptueel en cognitief—waarbij blijkt dat hoewel objectaanwezigheid lineair gecodeerd is, ruimtelijke concepten zoals oriëntatie slechts impliciet worden vertegenwoordigd en dat prestaties snel verslechteren naarmate objecten verder weg zijn.
Dit paper introduceert TempoSyncDiff, een lichtgewicht latent diffusion-framework dat via kennisdistillatie en tijdsregulatie realistische, stabiele en spraakgestuurde praatkop-generatie mogelijk maakt met een zeer lage latentie, zelfs op randapparatuur.
Dit artikel presenteert een robuust verwerkingskader dat bestaande omnidirectionele RGB-LiDAR-logbestanden omzet in hoogwaardige initialisatiebestanden voor 3D Gaussian Splatting, waardoor kostenefficiënte en nauwkeurige digitale tweelingen kunnen worden gegenereerd zonder de noodzaak van dure, doelgerichte datacollectie.
Dit paper introduceert de nieuwe taak Emotionally Continuous Talking Face Generation (EC-TFG) en het bijbehorende TIE-TFG-model, dat realistische praatende gezichten genereert met vloeiende, tekstgedreven emotionele overgangen in plaats van statische emoties.
Dit artikel introduceert Lyapunov-probes, een methode die hallucinaties in grote taal- en multimodelmodellen detecteert door het probleem te benaderen via stabiliteitstheorie van dynamische systemen, waarbij hallucinaties worden geïdentificeerd als onstabiele gebieden in de representatieruimte.
In dit paper presenteren de auteurs DeepSight, het eerste multimodale taalmodel dat specifiek is ontworpen om driedimensionale scene-interpretatie te verbeteren door dieptekaarten direct te koppelen aan taal, ondersteund door een nieuw dataset en een aangepaste ViT-encoder.
Dit paper introduceert een methode voor neurale video-compressie van statische scènes die positieve-incentive ruis gebruikt om tijdelijke variaties te ontkoppelen van de achtergrond, waardoor de bandbreedte met 73% wordt gereduceerd terwijl de pixel-accuraatheid behouden blijft.
FedARKS is een nieuw federatief leerframework voor personenheridentificatie dat de generalisatie in onbekende domeinen verbetert door lokale, domein-invariante details te benutten en via robuuste kennisselectie en -integratie bijdragen van hoogwaardige clients te maximaliseren in plaats van te vertrouwen op simpele globale middeling.
Het artikel introduceert RMD, een nieuw distillatiekader dat de distributiekloof tussen verschillende resoluties overbrugt via logSNR-gebaseerde mapping en ruisre-injectie, waardoor beeld- en videogeneratie aanzienlijk sneller wordt (tot 33,4x) zonder in te leveren op visuele kwaliteit.
Dit paper introduceert Place-it-R1, een end-to-end framework dat Multimodale Groot Taalmodellen (MLLMs) gebruikt om via chain-of-thought-redenering en een gesloten feedbacklus fysiek consistente en omgevingsbewuste objectinserties in video's te genereren.
Dit onderzoek toont aan dat visueel-taalmiddelen (VLMs) kwetsbaar zijn voor ruimtelijke kleurmenging, waarbij menselijke waarneming aanzienlijk robuuster is en mensgeïnspireerde voorverwerking de prestaties van deze modellen kan verbeteren.
Deze studie introduceert een Virtual Treatment-framework dat gebruikmaakt van multimodale generatieve modellen, waarbij diffusiemodellen superieur blijken aan GAN's, om realistische CT-scans van NSCLC-tumoren te synthetiseren die de anatomische veranderingen door radiotherapie en dosis toewijzing nauwkeurig voorspellen.
Dit paper introduceert VLM-RobustBench, een uitgebreid benchmark voor visueel-taalmodellen dat aantoont dat deze modellen semantisch sterk maar ruimtelijk kwetsbaar zijn, waarbij zelfs lichte geometrische vervormingen hun prestaties aanzienlijk meer beïnvloeden dan zware visuele corrupties.
Deze paper introduceert Reflective Flow Sampling, een trainingsvrije en theoretisch onderbouwde methode die de generatiekwaliteit en prompt-uitlijning van flow-matching modellen zoals FLUX verbetert door tijdens de inferentie gradienten op te voeren voor een betere tekst-beeld coherentie.
FreeOcc is een trainingsvrije pipeline die voorgeprende foundation-modellen gebruikt om vanuit meervoudige beelden zowel semantiek als geometrie te herwinnen voor panoptische 3D-beeldruimtevulling, waarmee het state-of-the-art resultaten bereikt zonder dat er specifieke 3D-modellen getraind hoeven te worden.
Deze paper presenteert een semi-supervised framework voor borst-echografie-segmentatie dat gebruikmaakt van training-vrije pseudolabels gegenereerd door vision-language modellen en verfijnde leerstrategieën om prestaties te bereiken die vergelijkbaar zijn met volledig gesuperviseerde modellen, zelfs met slechts 2,5% gelabelde data.