:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yeh, Chun-Hsiao, Cheng, Ta-Ying, Hsieh, He-Yen, Lin, Chuan-En, Ma, Yi, Markham, Andrew, Trigoni, Niki, Kung, H. T., Chen, Yubei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2402.15504
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SpatialPIN: Enhancing Spatial Reasoning Capabilities of Vision-Language Models through Prompting and Interacting 3D Priors
von: Ma, Chenyang, et al.
Veröffentlicht: (2024)

ZeST: Zero-Shot Material Transfer from a Single Image
von: Cheng, Ta-Ying, et al.
Veröffentlicht: (2024)

Learning Continuous 3D Words for Text-to-Image Generation
von: Cheng, Ta-Ying, et al.
Veröffentlicht: (2024)

Pre-training Feature Guided Diffusion Model for Speech Enhancement
von: Yang, Yiyuan, et al.
Veröffentlicht: (2024)

WSCLoc: Weakly-Supervised Sparse-View Camera Relocalization
von: Wang, Jialu, et al.
Veröffentlicht: (2024)

Mitigating Cognitive Bias in RLHF by Altering Rationality
von: Horter, Tiffany, et al.
Veröffentlicht: (2026)

MambaLoc: Efficient Camera Localisation via State Space Model
von: Wang, Jialu, et al.
Veröffentlicht: (2024)

Target Speaker Extraction through Comparing Noisy Positive and Negative Audio Enrollments
von: Xu, Shitong, et al.
Veröffentlicht: (2025)

Efficient and Microphone-Fault-Tolerant 3D Sound Source Localization
von: Yang, Yiyuan, et al.
Veröffentlicht: (2025)

SoundLoc3D: Invisible 3D Sound Source Localization and Classification Using a Multimodal RGB-D Acoustic Camera
von: He, Yuhang, et al.
Veröffentlicht: (2024)

Spherical Mask: Coarse-to-Fine 3D Point Cloud Instance Segmentation with Spherical Representation
von: Shin, Sangyun, et al.
Veröffentlicht: (2023)

Insight: A Multi-Modal Diagnostic Pipeline using LLMs for Ocular Surface Disease Diagnosis
von: Yeh, Chun-Hsiao, et al.
Veröffentlicht: (2024)

COOPERA: Continual Open-Ended Human-Robot Assistance
von: Ma, Chenyang, et al.
Veröffentlicht: (2025)

Seeing from Another Perspective: Evaluating Multi-View Understanding in MLLMs
von: Yeh, Chun-Hsiao, et al.
Veröffentlicht: (2025)

GazeGen: Gaze-Driven User Interaction for Visual Content Generation
von: Hsieh, He-Yen, et al.
Veröffentlicht: (2024)

SPEAR: Receiver-to-Receiver Acoustic Neural Warping Field
von: He, Yuhang, et al.
Veröffentlicht: (2024)

Towards Multi-Modal Animal Pose Estimation: A Survey and In-Depth Analysis
von: Deng, Qianyi, et al.
Veröffentlicht: (2024)

Dusk Till Dawn: Self-supervised Nighttime Stereo Depth Estimation using Visual Foundation Models
von: Vankadari, Madhu, et al.
Veröffentlicht: (2024)

Data Factory with Minimal Human Effort Using VLMs
von: Ye, Jiaojiao, et al.
Veröffentlicht: (2025)

CycleVLA: Proactive Self-Correcting Vision-Language-Action Models via Subtask Backtracking and Minimum Bayes Risk Decoding
von: Ma, Chenyang, et al.
Veröffentlicht: (2026)

VMLoc: Variational Fusion For Learning-Based Multimodal Camera Localization
von: Zhou, Kaichen, et al.
Veröffentlicht: (2020)

MusiConGen: Rhythm and Chord Control for Transformer-Based Text-to-Music Generation
von: Lan, Yun-Han, et al.
Veröffentlicht: (2024)

DynPoint: Dynamic Neural Point For View Synthesis
von: Zhou, Kaichen, et al.
Veröffentlicht: (2023)

Manydepth2: Motion-Aware Self-Supervised Monocular Depth Estimation in Dynamic Scenes
von: Zhou, Kaichen, et al.
Veröffentlicht: (2023)

GenCompositor: Generative Video Compositing with Diffusion Transformer
von: Yang, Shuzhou, et al.
Veröffentlicht: (2025)

SkillGenBench: Benchmarking Skill Generation Pipelines for LLM Agents
von: Zhou, Yifan, et al.
Veröffentlicht: (2026)

EDIT: Early Diffusion Inference Termination for dLLMs Based on Dynamics of Training Gradients
von: Hsieh, He-Yen, et al.
Veröffentlicht: (2025)

Gen-n-Val: Agentic Image Data Generation and Validation
von: Huang, Jing-En, et al.
Veröffentlicht: (2025)

ContextGen: Contextual Layout Anchoring for Identity-Consistent Multi-Instance Generation
von: Xu, Ruihang, et al.
Veröffentlicht: (2025)

GenMAC: Compositional Text-to-Video Generation with Multi-Agent Collaboration
von: Huang, Kaiyi, et al.
Veröffentlicht: (2024)

GenColor: Generative Color-Concept Association in Visual Design
von: Hou, Yihan, et al.
Veröffentlicht: (2025)

Self-Reinforced Graph Contrastive Learning
von: Hsieh, Chou-Ying, et al.
Veröffentlicht: (2025)

TX-Gen: Multi-Objective Optimization for Sparse Counterfactual Explanations for Time-Series Classification
von: Huang, Qi, et al.
Veröffentlicht: (2024)

To Search or To Gen? Exploring the Synergy between Generative AI and Web Search in Programming
von: Yen, Ryan, et al.
Veröffentlicht: (2024)

TheaterGen: Character Management with LLM for Consistent Multi-turn Image Generation
von: Cheng, Junhao, et al.
Veröffentlicht: (2024)

GenUQ: Predictive Uncertainty Estimates via Generative Hyper-Networks
von: Yen, Tian Yu, et al.
Veröffentlicht: (2025)

GenEARL: A Training-Free Generative Framework for Multimodal Event Argument Role Labeling
von: Bansal, Hritik, et al.
Veröffentlicht: (2024)

SnapMoGen: Human Motion Generation from Expressive Texts
von: Guo, Chuan, et al.
Veröffentlicht: (2025)

DialectGen: Benchmarking and Improving Dialect Robustness in Multimodal Generation
von: Zhou, Yu, et al.
Veröffentlicht: (2025)

Alfa: Attentive Low-Rank Filter Adaptation for Structure-Aware Cross-Domain Personalized Gaze Estimation
von: Hsieh, He-Yen, et al.
Veröffentlicht: (2026)