인간이 자연어로 제공하는 과제를 완수하기 위해 로봇은 명령을 해석하고, 장면 이해를 위한 관련 질문을 생성하고 답변해야 합니다, ...

최근 멀티모달 대형 언어 모델(Multimodal Large Language Models, MLLMs)을 활용한 공간 추론의 진전은 3D 인코더로부터의 기하학적 사전지식을 점점 더 많이 활용하고 있다. 그러나 대부분은 ...

인간은 명시적인 whole-body movements 수준에서 물체와의 whole-body interactions를 계획하는 경우가 드물다. affordance와 같은 고수준 의도는 목표를 정의한다.

멀티모달 대형 언어 모델(MLLMs)은 최근 보편적인 멀티모달 검색에 적용되었으며, 여기서 체인오브쏘트(Chain-of-Thought, CoT) 추론이 후보...

Vision Foundation Models (VFMs)는 다양한 다운스트림 2D 작업에 적용될 때 눈에 띄는 성공을 거두었습니다. 그 효과에도 불구하고, 종종 …

실시간 장시간 비디오 생성에 대한 최근 접근 방식은 일반적으로 스트리밍 튜닝 전략을 사용하며, 짧은 컨텍스트를 이용해 롱‑컨텍스트 학생을 학습시키려고 시도합니다.

시각 생성 모델의 급속한 발전은 전통적인 평가 접근 방식을 앞서고 있어, Vision-Language Models를 대체 수단으로 채택할 필요가 있다.

Lingo‑Live는 우리 대부분이 느낀 좌절감에서 시작되었습니다: YouTube 동영상이나 화면에 표시된 텍스트를 복사하려고 하면 불가능합니다. 대부분의 사람들은 결국 e...

본 논문에서는 물리적 구현체로서 in vitro cultured cortical neurons 네트워크를 활용한 신경 영감 기반 reservoir computing (RC) 접근법을 제시한다.

강화 학습(RL)을 통한 사후 훈련은 테스트 시 스케일링을 통해 대형 언어 모델(LLMs)의 추론 능력을 크게 향상시켰습니다. 그러나, 확장하는 th...

Dense point tracking은 컴퓨터 비전의 기본적인 문제이며, 비디오 분석부터 로봇 매니퓰레이션에 이르기까지 다양한 응용 분야가 있다. State-of-the-art tracke...

우리는 PerpetualWonder라는 하이브리드 생성 시뮬레이터를 소개합니다. 이 시뮬레이터는 단일 이미지로부터 장기적인, 행동 조건부 4D 씬 생성을 가능하게 합니다. 현재 연구...