8793 papers
Dit artikel introduceert een concept-gestuurde Bayesiaanse framework voor zero-shot beeldherkenning die, door concepten als latente variabelen te behandelen en uitbijters te filteren via een trainingsvrije likelihood, de beperkingen van heuristische prompt-engineering overwint en state-of-the-art prestaties bereikt.
Dit artikel introduceert GTEM-LVC, een gestroomlijnd framework voor geleerde videocompressie dat een cascaded Mamba-module met ingebouwde geometrische transformaties en een lokale verfijningsnetwerk combineert om prestaties te verbeteren zonder complexe bewegingsschatting.
Dit artikel presenteert een nieuw unmixing-gebaseerd raamwerk voor de super-resolutie van niet-geregistreerde hyperspectrale beelden, dat spectrale en ruimtelijke informatie ontkoppelt en een verfijnd aggregatiemodule gebruikt om state-of-the-art resultaten te bereiken.
Dit paper introduceert RLPR, een robuust framework voor plaatsherkenning dat radar- en LiDAR-data via een tweestaps asymmetrische kruismodale uitlijning combineert om nauwkeurige localisatie in alle weersomstandigheden mogelijk te maken, zelfs zonder bestaande radar-kaarten.
Dit artikel introduceert IMSE, een methode voor testtijdadaptatie die gebruikmaakt van intrinsieke spectrale experts in Vision Transformers door alleen singuliere waarden aan te passen en een diversiteitsmaximalisatieverlies toepast om feature-collapse te voorkomen, waardoor state-of-the-art prestaties worden bereikt met aanzienlijk minder trainbare parameters.
Deze paper introduceert een hybride Vision Transformer-methode met 2D-positiesche codering en een coverage attention-decoder voor het herkennen van wiskundige expressies, die op de IM2LATEX-100K-dataset een BLEU-score van 89,94 bereikt en daarmee de huidige state-of-the-art-methoden overtreft.
Deze studie toont aan dat het combineren van menselijke correcties met visueel-taalmodellen en grote taalmodellen de nauwkeurigheid van het genereren van TikZ-code uit handgetekende automata-diagrammen aanzienlijk verbetert, wat waardevolle inzichten biedt voor geautomatiseerde beoordeling en toegankelijker onderwijsmateriaal in de informatica.
Dit paper introduceert , een nieuw raamwerk voor kaartloze visuele lokalisatie dat online 3D-reconstructie gebruikt om nauwkeurige positiebepaling in willekeurige omgevingen mogelijk te maken zonder voorafgaande offline verwerking of opslag van scenescenario's.
Dit paper introduceert VisualAD, een taalvrij zero-shot anomaliedetectiemodel dat puur op Vision Transformers vertrouwt door middel van leerbare tokens en speciale modules om state-of-the-art prestaties te bereiken zonder de complexiteit van vision-language modellen.
Dit paper introduceert SGG-R³, een gestructureerd redeneringskader dat chain-of-thought-gestuurde supervisie en versterkende leer met een groepssequenti-beleid optimalisatie combineert om onbevooroordeelde en complete scene graph generation te realiseren door de uitdagingen van relationele sparsiteit en lange-staartverdelingen aan te pakken.
Dit paper introduceert EcoG-Bench, een diagnostisch benchmark voor egocentrische co-spraakgrounding dat aantoont dat er een groot prestatiekloof bestaat tussen menselijke en modelprestaties, voornamelijk veroorzaakt door beperkingen in multimodale interfaces die de waarneming van temporale uitlijning tussen spraak en gebaren belemmeren.
Dit artikel introduceert een apparaat-onafhankelijk raamwerk voor het volgen van chirurgische instrumenten in augmented reality, dat door het fuseren van meerdere sensormodi binnen een dynamische scènegrafiek de robuustheid van de navigatie verbetert ondanks frequente obstructies in de operatiekamer.
Dit paper introduceert AutoReg3D, een autoregressieve 3D-objectdetector die LiDAR-detectie omzet in een sequentiële generatietaak zonder ankers of NMS, waardoor training wordt vereenvoudigd en de integratie van geavanceerde taalmodeltechnieken voor 3D-perceptie mogelijk wordt.
TeamHOI is een framework dat een enkele decentrale policy gebruikt, gebaseerd op een Transformer-architectuur en een gemaskerde Adversarial Motion Prior-strategie, om realistische en schaalbare samenwerking tussen mensachtige robots bij het dragen van objecten mogelijk te maken, ongeacht het aantal teamleden of de vorm van het object.
Het paper introduceert AutoTraces, een autoregressief vision-language-trajectmodel dat de redeneercapaciteiten van grote taalmodellen combineert met een innovatieve tokenisatie van trajecten en automatische chain-of-thought-generatie om nauwkeurige en generaliseerbare voorspellingen van menselijke bewegingen in complexe omgevingen te maken.
Dit paper introduceert ViSA, een framework dat Vision-Language Models versterkt met visueel-ruimtelijk redeneren om de beperkingen van bestaande methoden voor navigatie vanuit de lucht te overwinnen en zo de succesratio op de CityNav-benchmark met 70,3% te verbeteren.
Deze paper introduceert het realistische dataset TickTockVQA en het fine-tuning-framework Swap-DPO om de zwakke prestaties van vision-language modellen bij het lezen van analoge klokken in complexe, echte omgevingen aanzienlijk te verbeteren.
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.