1864 papers
Deze paper introduceert ARAS400k, een groot schaalbaar dataset voor remote sensing dat synthetische data combineert met echte beelden en een visueel-taal framework voor interpreteerbare augmentatie en evaluatie, wat resulteert in superieure prestaties voor semantische segmentatie en beeldbeschrijving.
Dit paper introduceert X-GS, een uitbreidbaar open raamwerk dat 3D-Gaussische splatting (3DGS) verenigt met multimodale modellen via een efficiënte pijplijn die real-time semantische 3D-scènes genereert uit ongepositioneerde video's voor downstream-taken zoals objectdetectie en embodied AI.
Dit paper introduceert OTPL-VIO, een robuust stereo visueel-inertiaal odometrie-systeem dat gebruikmaakt van optimaal transport voor lijnassociatie en adaptieve onzekerheidsweging om nauwkeurigheid en stabiliteit te verbeteren in uitdagende omgevingen met weinig textuur en veranderende verlichting.
Het paper introduceert KV-Lock, een trainingsvrije methode voor video-editing die dynamisch de achtergrondvastlegging en de conditionele geleiding aanpast op basis van hallucinatie-detectie om achtergrondconsistentie en voorgrondkwaliteit te optimaliseren in DiT-gebaseerde videodiffusiemodellen.
DiffWind is een fysica-informeerd, differentieerbaar framework dat windgedreven objectdynamica uit video's reconstrueert en simuleert door windkrachten en objectbewegingen gezamenlijk te optimaliseren via differentieerbare rendering, de Material Point Method en de Lattice Boltzmann Method.
VarSplat is een robuust RGB-D SLAM-systeem dat onzekerheid bewust maakt door per-splat variatie te leren en een onzekerheidskaart te renderen, waardoor de tracking en mapping in uitdagende omgevingen zoals gebieden met weinig textuur of transparante oppervlakken aanzienlijk worden verbeterd.
Deze paper introduceert FootMR, een methode die de nauwkeurigheid van 3D-voetbeweging in markerloze monoscopische menselijke bewegingsherstel verbetert door 2D-voetkeypoints te verfijnen met behulp van bestaande motion capture-data, en introduceert bovendien het MOOF-dataset voor evaluatie.
Dit paper introduceert AutoViVQA, een groot automatisch gegenereerd dataset voor Vietnamese visuele vraagbeantwoording, en onderzoekt transformer-architecturen en geautomatiseerde evaluatiemetrics in een meertalige context.
Het artikel introduceert DRIFT, een transformer-model dat door middel van een dubbel-pad architectuur lokale en globale context uit 4D-radar-puntenwolkdata fuseert om de prestaties bij objectdetectie en vrije-rijbaan-schatting voor autonoom rijden aanzienlijk te verbeteren.
Deze paper introduceert TemporalDoRA, een parameter-efficiënte fijnafstemmingsmethode die tijdsbewuste Multi-Head Attention in het low-rank bottleneck van een visuele encoder integreert om de robuustheid en prestaties van chirurgische video-VQA-systemen, getest op het nieuwe REAL-Colon-VQA-dataset, aanzienlijk te verbeteren.
Dit artikel introduceert TriFusion-SR, een golflet-gestuurd conditioneel diffusieframework dat medische beeldfusie en superresolutie voor drie modaliteiten gelijktijdig uitvoert door frequentiebewuste interactie en adaptieve ruimtelijk-frequentie fusie, wat leidt tot significante verbeteringen in beeldkwaliteit en diagnoseondersteuning.
Dit paper introduceert ProGS, een nieuwe codec die 3D Gaussian Splatting-data via een octree-structuur en wederzijdse informatieversterking comprimeert, waardoor een 45-voudige verkleining van opslagruimte wordt bereikt met een verbeterde visuele kwaliteit en ondersteuning voor progressieve codering.
In dit artikel wordt GSStream gepresenteerd, een nieuw volumetrisch streaming-systeem voor 3D Gaussian Splatting dat collaboratieve viewportvoorspelling en deep reinforcement learning combineert om de hoge bandbreedte-eisen van real-time 3D-scènes efficiënt op te lossen en zo superieure beeldkwaliteit en netwerknuttigheid te bereiken.
Het artikel introduceert FrameDiT, een nieuw video-generatiemodel dat Matrix Attention gebruikt om de efficiëntie van lokale factoren en de kwaliteitsvolle ruimtetijd-coherentie van volledige 3D-attentie te combineren, wat leidt tot state-of-the-art resultaten.
Dit paper introduceert EXPLORE-Bench, een benchmark voor het evalueren van het vermogen van multimodale grote taalmodellen tot lang-horizon redenering in egocentrische omgevingen, en toont aan dat deze modellen significant achterblijven bij menselijke prestaties ondanks verbeteringen door stapsgewijze redenering.
FetalAgents is het eerste multi-agent systeem dat door middel van een lichtgewicht coördinatieframework gespecialiseerde visuele experts dynamisch coördineert om een robuuste, end-to-end oplossing te bieden voor analyse, meting en rapportage van foetale echografiebeelden en -video's.
Dit paper introduceert -Occ, een robuust framework voor 3D semantische bezettingsvoorspelling dat onvolledige meercamera-invoer verwerkt door het herstel van ontbrekende weergaven en het gebruik van een geheugenmodule voor semantische consistentie, wat leidt tot aanzienlijk betere prestaties bij camera-uitval zonder in te leveren op volledige weergaven.
Dit paper introduceert SACA, een nieuw raamwerk voor Vision-Language Navigation in continue omgevingen dat stap-voor-stap contrastieve uitlijning toepast om de beperkingen van bestaande trainingsparadigma's te overwinnen en zo state-of-the-art prestaties te bereiken.
Deze paper introduceert ENIGMA-360, een nieuw dataset met gesynchroniseerde egocentrische en exocentrische video's uit een echte industriële omgeving, die is gelabeld voor het bestuderen van menselijk gedrag en het evalueren van bestaande modellen voor taken zoals tijdelijke actiesegmentatie en mens-object-interactie.
Dit paper introduceert LAP, een taalbewust planningsmodel dat visuele waarnemingen vertaalt naar tekstbeschrijvingen om de ambiguïteit in instructievideo's te overwinnen en zo nieuwe state-of-the-art resultaten te behalen voor het plannen van acties.