arxivGitHubあり2026-07-23
3D-Aware VLMs with Implicit and Explicit Geometries
3次元空間理解技術のための新しいアプローチであるVLM-IE3D（Vision-Language Models with Implicit and Explicit 3D geometry）を提案しました。VLM-IE3
コンピュータビジョン3D・点群検出画像テキスト
- 用途
- 3次元空間理解技術の開発
- 難易度
- Hard
- コスト
- High
→
「detection」の検索結果
10 件arxivGitHubあり2026-07-23
When Are Reasoning-Based Guardrails Not Efficient? ResponseGuard: A Fast Vision-Language Guard for Real-Time Moderation
A vision-language AI assistant returns its answer as a stream of generated tokens. Therefore, a safety guard t
深層学習軽量化・量子化検出画像テキスト
- 用途
- 検出
- 難易度
- Hard
- コスト
- High
→
arxivGitHubあり2026-07-23
HGeo-TopoMap: Boosting Topological Mapping with Hierarchical Geometric Priors
Topological maps are key outputs of autonomous driving perception systems, delivering essential road informati
深層学習Transformer検出
- 用途
- 検出
- 難易度
- Easy
- コスト
- Low
→
arxivGitHubあり2026-07-23
Explainable Deepfake Detection Challenge
Deepfake detection is moving beyond binary classification decisions toward systems that can also explain the v
説明可能コンピュータビジョン画像分類分類検出生成
- 用途
- 分類
- 難易度
- Easy
- コスト
- Low
→
arxivGitHubあり2026-07-22
Not All Patches are Equal: Sampling Matters for Visible-Infrared Pre-Training
Visible-infrared (VIS-IR) alignment is a key pre-training task for robust multi-sensor perception. Most existi
センサ/時系列深層学習軽量化・量子化検出セグメンテーション埋め込み
- 用途
- 検出
- 難易度
- Hard
- コスト
- High
→
arxivGitHubあり2026-07-22
Efficient Tracking and Understanding Object Transformations
Tracking objects through state transformations is essential for understanding real-world dynamics. However, ex
品質予測/異常検知深層学習軽量化・量子化検出セグメンテーション動画
- 用途
- 疼痛位置
- 難易度
- Hard
- コスト
- High
→
arxivGitHubあり2026-07-22
ReferTrack: Referring Then Tracking for Embodied Visual Tracking
ReferTrack は、自然言語で対象の車両に付近する自動車を追従させるシステムである。このシステムでは、対象の車両に付近する自動車を認識する後、自動車の動きを予測する。
自然言語処理プロンプトエンジニアリング検出画像テキスト
- 用途
- 自動車が対象の車両に付きそわせるシステム
- 難易度
- Hard
- コスト
- High
→
arxivGitHubあり2026-07-21
Detect Early, Escalate Rarely: Anytime Detection of AI-Generated Video from the Compressed Bitstream
Detectors for AI-generated video are evaluated offline. A clip is decoded to pixels and scored once, increasin
CPUで試しやすい深層学習CNN検出画像テキスト
- 用途
- 検出
- 難易度
- Hard
- コスト
- High
→
arxivGitHubあり2026-07-21
NGPS: GPS-Denied Aerial Geo-Localization and 2.5D Reconstruction via Deep Satellite Image Matching and Multi-Rate Sensor Fusion
この研究では、高空飛行の無信号位置指示のNGPS (Next-Generation Positioning System)というフレームワークを提案しました。NGPSは、GPSの信号を利用せずに位置推定を可能にします。N
センサ/時系列コンピュータビジョン動画認識検出生成画像
- 用途
- 高空飛行の無信号位置指示
- 難易度
- Hard
- コスト
- High
→
arxivGitHubあり2026-07-20
Polar Coordinate-based Differential Evolution for Moving Target Search Using Vision Sensor on Unmanned Aerial Vehicles
In search and rescue operations, there is a period known as the "golden time" during which the probability of
センサ/時系列品質予測/異常検知自然言語処理ファインチューニング検出画像
- 用途
- 検出
- 難易度
- Easy
- コスト
- Medium
→