8910 papers
Deze paper introduceert RobSelf, een zelftoezichtend model dat cross-modale super-resolutie op real-world, niet-uitgelijnde data verbetert door online een misalignering-bewuste feature-vertaler en een content-bewuste referentiefilter gezamenlijk te optimaliseren, wat leidt tot state-of-the-art prestaties en een tot 15,3 keer hogere snelheid dan bestaande methoden.
Het UrbanAlign-framework kalibreert post-hoc de voorkeuren van menselijke waarnemers voor stedelijke scènes door een bevroren vision-language model te gebruiken als conceptextractor en de output te aligneren met menselijke ratings via een drie-staps proces, waardoor de prestaties aanzienlijk verbeteren zonder dat het model opnieuw getraind hoeft te worden.
Deze studie toont aan dat het combineren van de geometrische structuurherkenning van DINO en de interactie-priors van Flux in een training-vrije, zero-shot methode leidt tot een effectieve affordance-beslissing, wat bevestigt dat deze twee perceptieve capaciteiten de fundamentele bouwstenen zijn voor het begrijpen van interactie in visuele foundation-modellen.
StoryTailor is een zero-shot pipeline die op een enkele RTX 4090 GPU werkt en door middel van drie synergetische modules (GCA, AB-SVR en SFC) visuele verhalen genereert met meerdere onderwerpen die zowel actiegetrouwheid als identiteitsbehoud combineren met consistente achtergronden.
Dit paper introduceert UniVBench, een nieuw benchmark en evaluatiesysteem dat is ontworpen om de geïntegreerde capaciteiten van video-fundatiemodellen op het gebied van begrip, generatie, bewerking en reconstructie te beoordelen aan de hand van complexe, mensgemaakte video's en gestandaardiseerde instructies.
Deze paper introduceert een geometrie-bewuste methode met behulp van een Graph Neural Network die, door gebruik te maken van structuurpriors en ellipsoïdale ondersteuningslifting, nauwkeuriger heterogene cryo-EM reconstructies van eiwitbackbones produceert dan traditionele MLP-modellen.
Dit paper introduceert DPCache, een trainingsvrij versnellingsframework voor diffusiemodellen dat het afleidingsproces als een globaal padplanningsprobleem formuleert om via dynamische programmering een optimale reeks tijdstappen te selecteren en zo de rekentijd aanzienlijk te verminderen zonder kwaliteitsverlies.
Dit paper introduceert Synthetic Visual Genome 2 (SVG2), een grootschalig panoptisch videoscène-graafdataset gegenereerd via een geautomatiseerde pipeline, en presenteert TRaSER, een model dat deze data gebruikt om de prestaties op object-, attribuut- en relatiedetectie aanzienlijk te verbeteren en video-VQA-taken te ondersteunen.
Deze paper introduceert een adaptief dynamisch ontzwaaiingskader dat via een gesloten-lusoptimalisatie met taakfeedback en instructiegestuurde aanpassingen de prestaties van diverse downstreamtaken verbetert zonder hertraining.
Deze paper introduceert PanScale, een groot dataset en benchmark voor cross-schaal pansharpening, en stelt ScaleFormer voor, een nieuw model dat generalisatie over verschillende resoluties mogelijk maakt door beeldtokenisatie en rotatiepositie-encoding, waarmee het de staat-der-kunst prestaties overtreft.
Deze paper introduceert Mobile-VTON, een privacyvriendelijk framework dat hoge-kwaliteit virtuele passen op consumentele mobiele apparaten mogelijk maakt door een geoptimaliseerde TGT-architectuur te gebruiken die offline werkt en presteert op het niveau van servergebaseerde systemen.
Dit paper introduceert een gereparameteriseerde tensorring-functionele decompositie die impliciete neurale representaties en een frequentiedomein-gebaseerde herparameterisatie combineert om de beperkingen van traditionele methoden voor discrete roosters te overwinnen en superieure prestaties te leveren bij het herstellen van multidimensionale data zoals afbeeldingen en puntwolken.
Dit paper introduceert FastLightGen, een algoritme dat grote videomodellen omzet in snelle, lichtgewicht varianten door gelijktijdig het aantal steekproefstappen te reduceren en de modelgrootte te comprimeren via een geoptimaliseerd distillatiekader, wat resulteert in een nieuwe staat-der-techniek voor efficiënte video-generatie.
Dit paper introduceert VSearcher, een versterkingsleeragent die statische multimodale modellen transformeert in een dynamisch zoekagent voor complexe, meerstaps webzoekopdrachten, ondersteund door een nieuw trainingskader en een rigoureus evaluatiebenchmark.
Dit paper introduceert Think-as-You-See (TaYS), een unificerend raamwerk voor Large Vision-Language Models dat echte gelijktijdige redenering mogelijk maakt door video-informatie en denkprocessen parallel te verwerken, wat leidt tot betere prestaties en lagere latentie in vergelijking met bestaande batch- en interleaved-benaderingen.
CoEditor++ is een trainingsvrij framework dat cognitieve redenering gebruikt om instructiegebaseerde beeldbewerking te verbeteren door het proces op te splitsen in 'wat' en 'hoe', waardoor het state-of-the-art presteert in zowel algemene als verantwoordelijke bewerkingstaken met een hoge visuele consistentie.
RoboLayout is een nieuw framework dat LayoutVLM uitbreidt met agent-bewust redeneren en differentieerbare optimalisatie om semantisch coherente en fysiek haalbare 3D-scènes te genereren die specifiek zijn afgestemd op de navigatie- en interactiecapaciteiten van diverse embodied agents.
Het paper introduceert Omni-C, een efficiënte, dichte Transformer-encoder die heterogene modaliteiten comprimeert tot gedeelde representaties zonder MoE-architecturen, waardoor de complexiteit en het geheugengebruik aanzienlijk worden verminderd terwijl de prestaties vergelijkbaar blijven met gespecialiseerde expertmodellen.
Dit artikel introduceert een multimodaal computergestuurd pathologiekader dat klinische gegevens en routine PAS-gekleurde biopsieën combineert via een Clinical-Injection Transformer en een domein-aangepaste MAE om de prognose van pediatrische lupus nefritis met hoge nauwkeurigheid te voorspellen.
Dit paper introduceert SKETCHGAIT, een robuust framework voor gait-herkenning dat gebruikmaakt van het label-vrije 'SKETCH'-modale om structurele randinformatie direct uit RGB-afbeeldingen te halen en zo de beperkingen van bestaande silhouet- en parsing-methoden overwint.