현재 video generation techniques는 single-shot 클립에서는 뛰어나지만, 유연한 샷 배열과 일관된 narrative를 필요로 하는 multi-shot 비디오를 제작하는 데 어려움을 겪는다.

우리는 video generative models가 인간 인지의 핵심 능력인 visuospatial intelligence를 시각 데이터만을 사용하여 나타낼 수 있는지를 조사한다.

비디오-투-오디오 생성 분야가 진전을 이루었음에도 불구하고, 이 분야는 주로 모노 출력에 초점을 맞추고 있어 공간적 몰입감이 부족합니다. 기존의 바이노럴 접근 방식은 여전히 co...

우리는 MAViD, 새로운 멀티모달 프레임워크를 제안한다. 이는 오디오-비주얼 대화 이해 및 생성을 위한 것이다. 기존 접근 방식은 주로 비상호작용적인 sy...

데이터 기반 모션 프라이어는 에이전트가 자연스러운 행동을 생성하도록 안내하며, 생동감 있는 가상 캐릭터를 만드는 데 핵심적인 역할을 합니다. Adversaria...

Magnetic Resonance Imaging (MRI)은 이온화 방사선 없이 뛰어난 연부 조직 대비를 제공하지만, 긴 촬영 시간 때문에 임상 활용이 제한됩니다. 최근…

인물 비디오 편집은 외모 변화와 같은 다양한 수정에 대해 유연하면서도 정밀한 제어가 요구되는 어려운 작업입니다, 표현...

LiDAR 시퀀스로부터 동적인 3D 환경을 모델링하는 것은 자율 주행 및 임베디드 AI를 위한 신뢰할 수 있는 4D 세계를 구축하는 데 핵심적입니다. 기존의 생성 프레임…

환각은 대형 언어 모델(LLMs)에서 여전히 중요한 과제로 남아 있어, 신뢰할 수 있는 멀티모달 LLMs(MLLMs)의 개발을 방해하고 있습니다. 기존 솔루션은…

멀티모달 대형 언어 모델(MLLMs)은 놀라운 능력을 보여주지만, 그들의 안전 정렬은 탈옥 공격에 취약합니다. 기존 공격 방법...

LiDAR와 카메라 정보를 bird's eye view (BEV) 표현에 통합하는 것은 3D 객체 탐지에서 그 효과가 입증되었습니다. 그러나, ...

저조도 환경, 예를 들어 야간 운전에서는 이미지 퇴화가 차량 내 카메라 안전에 심각한 도전을 제기합니다. 기존의 enhancement algorithms는 종종…

우리는 Layout Anything을 제시한다. 이는 실내 레이아웃 추정을 위한 트랜스포머 기반 프레임워크로, OneFormer의 범용 세그멘테이션 아키텍처를 기하…

비디오 생성의 다음 경계는 제로샷 추론이 가능한 모델을 개발하는 데 있으며, 실제 세계의 과학 법칙을 이해하는 것이 …에 필수적이다.

Novel view synthesis (NVS)는 컴퓨터 비전 및 그래픽스에서 매우 중요하며, AR, VR, 자율 주행 등 다양한 분야에 널리 활용됩니다. 반면에 3D Gaussian Splatting (3D...

아마존보다 더 정확하게 당신의 쇼핑 습관을 예측하는 동네 가게. 맥도날드의 정밀함으로 공급망을 자동화하는 지역 레스토랑. Th...

웨어러블 센서, 예를 들어 스마트워치는 의료, 스포츠, 교육 등 다양한 분야에서 점점 더 보편화되어 지속적인 모니터링을 가능하게 합니다.

‘How to Fix Croanged Documents Before OCR Runs’ 표지 이미지 https://media2.dev.to/dynamic/image/width=1000,height=420,fit=cover,gravity=auto,format=auto/https...

Generative modeling은 최근 visuomotor policy learning에 있어 놀라운 가능성을 보여주었으며, 다양한 embodied AI 작업 전반에 걸쳐 유연하고 표현력 있는 제어를 가능하게 합니다.

Self-driving laboratories는 노동 집약적이고 시간 소모가 크며 종종 재현이 어려운 생물학적 과학 워크플로우를 감소시키는 유망한 경로를 제공합니다.

오늘날 사람들은 콘서트, 스포츠 이벤트, 강연, 가족 모임, 생일 파티 등 다양한 기억에 남는 순간들을 쉽게 기록할 수 있습니다, 여러...

Video generators는 잠재적인 world models로서 점점 더 평가되고 있으며, 이는 physical laws를 인코딩하고 이해하도록 요구합니다. 우리는 그들의 표현을 조사합니다.

카메라와 객체 움직임은 비디오 내러티브의 핵심입니다. 그러나 캡처된 이러한 움직임을 정밀하게 편집하는 것은 특히 …

Unified multimodal models (UMMs)는 단일 프레임워크 내에서 멀티모달 이해와 생성을 동시에 수행하는 것을 목표로 합니다. 우리는 TUNA, 네이티브 UMM을 제시합니다, that bu...