1845 papers
Dit paper introduceert OmniEarth, een nieuw benchmark voor het systematisch evalueren van vision-language modellen in aardobservatie, dat 28 taken omvat over perceptie, redenering en robuustheid om de huidige beperkingen van bestaande modellen in complexe geospatiale scenario's in kaart te brengen.
Dit paper introduceert PruneSID, een trainingsvrije methode die redundantie in visuele tokens van Vision-Language Models efficiënt elimineert door belang en diversiteit synergetisch te benutten, waardoor de prestaties worden behouden en de verwerkingssnelheid aanzienlijk wordt verhoogd.
Deze paper introduceert een componentbewust, zelfrefinerend raamwerk voor het genereren van fotorealistische afbeeldingen uit schetsen, dat via een tweestapsarchitectuur met zelfaandacht-codering en coördinatiebehoudende fusie aanzienlijk betere resultaten boekt dan bestaande GAN- en diffusiemodellen op diverse datasets.
Deze paper introduceert Diagonal Distillation, een methode die autoregressieve videogeneratie versnelt tot 31 FPS door een asymmetrische strategie te gebruiken die temporale context optimaliseert en foutpropagatie in lange sequenties vermindert.
Het artikel introduceert EvoPrompt, een nieuw raamwerk dat de adaptatie van vision-language modellen naar downstream-taken verbetert door een evolutionaire trainingsstrategie en geometrische regularisatie te gebruiken om prestaties te maximaliseren zonder de oorspronkelijke zero-shot-kennis te verliezen.
Dit paper introduceert SurgFed, een taalgeleid multi-task federated learning-framework dat de uitdagingen van weefsel- en taakdiversiteit in chirurgische video's aanpakt via taalgestuurde kanaalselectie en hyperaggregatie, wat resulteert in superieure prestaties voor segmentatie en diepteschatten op meerdere datasets.
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.