· ai
[Paper] SA-IQA：用多维奖励重新定义空间美学的图像质量评估
近年来，针对 AI 生成图像（AIGI）的图像质量评估（IQA）发展迅速；然而，现有方法主要针对肖像和 ar...
-
- · ai
透视墙壁：AI 对遮挡运动的新视角 by Arvind Sundararajan
是否曾经在手部交叉、被物体遮挡，甚至稍微超出视野时，仍然难以获得准确的动作捕捉？标准的计算机视觉系统……
- · ai
[Paper] SimFlow：简化的潜在归一化流端到端训练
Normalizing Flows (NFs) 学习数据与高斯分布之间的可逆映射。先前的工作通常存在两个限制。首先，它们添加……
- · ai
[Paper] 独特的生活，共享的世界：从单生命视频中学习
我们引入了“single-life”学习范式，在该范式中，我们仅在由单个人拍摄的第一人称视频上训练一个独特的vision model。我们leverag...
- · ai
[Paper] PosterCopilot：面向布局推理和可控编辑的专业平面设计
平面设计构成了现代视觉传达的基石，作为推广文化和商业活动的重要媒介。最近的进展已经…
- · ai
[Paper] 用于体积重建的 Radiance Meshes
我们引入 radiance meshes，这是一种使用通过 Delaunay tetrahedralization 生成的恒定密度 tetrahedral cells 来表示 radiance fields 的技术。
- · ai
[Paper] SpaceTools：工具增强的空间推理 via Double Interactive RL
Vision Language Models (VLMs) 展示了强大的定性视觉理解能力，但在实现具身所需的度量精确空间推理方面仍然困难……
- · ai
[Paper] Stable Signer: 层次化手语生成模型
手语生成（Sign Language Production，SLP）是将复杂的输入文本转换为真实视频的过程。大多数以往的工作集中在 Text2Gloss、Gloss2Pose 等方面，……
- · ai
[Paper] RELIC：交互式视频世界模型与长时程记忆
真正的交互式世界模型需要三个关键要素：real-time long-horizon streaming、一致的spatial memory，以及精确的user control。然而，...
- · ai
[Paper] 快速且高效的 Normalizing Flows 与 Image Generative Models 的应用
本论文在两个主要领域提出了新颖的贡献：提升生成模型的效率，特别是 normalizing flows，并应用生成…
- · ai
[Paper] Jina-VLM: 小型多语言视觉语言模型
我们提出了 Jina-VLM，这是一款拥有 2.4B 参数的视觉语言模型，在开放的 2B 规模 VLM 中实现了最先进的多语言视觉问答。...
- · ai
衡量关键：图像生成评估的客观指标
使用最先进模型生成高质量视觉内容正变得越来越容易。开源模型可以在笔记本电脑上运行，云服务将 tex...