2775 papers
Het paper introduceert Context-Nav, een trainingsvrije methode voor tekstgestuurde navigatie die lange contextbeschrijvingen gebruikt om verkenning te sturen en kandidaat-objecten verifieert via viewpoint-bewuste 3D-ruimtelijke redenering, waardoor state-of-the-art resultaten worden behaald zonder specifieke policy-training.
Deze studie onderzoekt de betrouwbaarheid van Vision-Language Models in autonoom rijden door hun inconsistentie en beperkte temporale redeneervermogen te analyseren, en introduceert het FutureVQA-benchmark en een zelftoezichtende tuneermethode om deze tekortkomingen aan te pakken.
Dit paper introduceert RESBev, een plug-and-play methode die de robuustheid van bestaande Bird's-eye-view (BEV) perceptiesystemen voor autonoom rijden verbetert door beschadigde waarnemingen te reconstrueren via een latent wereldmodel dat ruimtetemporele correlaties benut.
DCAU-Net is een nieuw en efficiënt medisch beeldsegmentatiekader dat een differentiële kruisattentie en een kanaal-ruimtelijke kenmerkfusie introduceert om langeafhangsafhankelijkheden en fijne randdetails nauwkeuriger te modelleren terwijl de rekencomplexiteit wordt verlaagd.
De studie toont aan dat een progressieve toename van radiologisch vastgestelde pleuroparenchymale fibroelastose (PPFE) in twee grote longkankerscreeningscohorten onafhankelijk geassocieerd is met een verhoogde sterfte en nadelige klinische uitkomsten.
Deze paper introduceert een op versterkingslering gebaseerde post-trainingstrategie, die Group Relative Policy Optimization (GRPO) uitbreidt naar multimodale contexten, om bestaande vision-language modellen te verbeteren in het genereren van samenhangende, verweven tekst-en-beeldoutput zonder afhankelijkheid van grote gespecialiseerde datasets.
Deze paper introduceert het DynHiL-EQA-dataset en het training-vrije DIVRR-framework om Embodied Question Answering in dynamische, menselijke omgevingen te verbeteren door ambiguïteiten op te lossen en efficiënte, compacte geheugenselectie mogelijk te maken.
Dit paper biedt een uitgebreide studie van tijd-van-vlucht niet-zichtlijn (ToF NLOS) beeldvorming door een gemeenschappelijk wiskundig kader en hardware-opstelling te hanteren om diverse methoden te vergelijken, hun relatie met Radon-transformaties te analyseren en hun beperkingen in resolutie en ruisgevoeligheid onder gelijke omstandigheden te evalueren.
GeoSolver introduceert een nieuw framework voor remote sensing dat gebruikmaakt van een groot proces-supervisie-dataset en een procesbewuste versterkingsleer-algoritme om stap-voor-stap redenering te verifiëren, wat leidt tot state-of-the-art prestaties en robuuste schaalbaarheid tijdens het testen.
GeoAlignCLIP is een nieuw raamwerk dat de fijne-granulaire visueel-taaluitlijning in remote sensing verbetert door multi-granulaire semantische uitlijning en intra-modale consistentie te leren, ondersteund door het nieuwe RSFG-100k-dataset, wat leidt tot superieure prestaties op diverse benchmarks.
Deze paper introduceert het Panorama-Language Modeling (PLM)-paradigma, een eenheidsmodel voor 360°-redenering dat gebruikmaakt van een plug-and-play module en het PanoVQA-dataset om holistische ruimtelijke relaties in ongunstige panoramische scènes beter te begrijpen dan traditionele vision-language modellen die zijn beperkt tot smalle beeldhoeken.
Dit paper introduceert BinaryAttention, een methode die de QK-attentie in Vision en Diffusion Transformers naar 1-bit binaire bewerkingen reduceert, waardoor de rekensnelheid op A100-GPU's meer dan verdubbelt ten opzichte van FlashAttention2 terwijl de nauwkeurigheid behouden blijft of zelfs verbetert.
ParTY is een nieuw raamwerk dat expressieve tekst-naar-beweging synthese verbetert door een part-gestuurde netwerkarchitectuur, tekstbewust grounding en een adaptieve fusie van holistische en deelbewegingen te combineren om zowel specifieke lichaamsdelen nauwkeurig te laten bewegen als de coherentie van het volledige lichaam te waarborgen.
Dit artikel presenteert een door menselijke oogbewegingen geïnspireerde methode voor beeldclassificatie die, gebruikmakend van DINO-attentiekaarten, de verwerking beperkt tot relevante beeldregio's en zo een efficiëntere prestatie bereikt die de volledige beeldverwerking kan evenaren of zelfs overtreffen.
Deze paper introduceert een zero-shot framework voor MRI-superresolutie dat gebruikmaakt van fysiek gedreven 3D-Gaussian-representaties en een gespecialiseerde volume-renderingstrategie om hoge kwaliteit en efficiëntie te bereiken zonder gekoppelde trainingsdata.
Dit paper introduceert QDR, een decoder-vrij distillatiekader voor gequantiseerde beeldherstelmodellen dat door middel van FP32-zelfdistillatie, decoder-vrije distillatie en leerbare magnitude-herschatting de prestaties van Int8-modellen op randapparatuur aanzienlijk verbetert.
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.