增強點雲補全網路效能的一致性損失
為了解決一對多映射問題，本文提出了一種新的損失函數——補全一致性損失，用於增強點雲補全網路的效能。
일관성 손실을 이용한 포인트 클라우드 완성 네트워크의 성능 향상
이 논문에서는 입력 포인트 클라우드의 여러 불완전한 뷰를 고려하여 기존 포인트 클라우드 완성 네트워크의 학습 목표를 향상시키는 새로운 손실 함수인 완성 일관성 손실을 제안합니다.
点群補完ネットワークのパフォーマンスを向上させるための整合性損失
点群補完ネットワークの学習において、従来の再構成損失に加えて、同一物体由来の複数の不完全点群の一貫性を促進する整合性損失を導入することで、ネットワークの汎化性能と精度が向上する。
Enhancing Point Cloud Completion Networks with a Novel Consistency Loss Function
This research paper introduces a novel consistency loss function designed to enhance the performance of point cloud completion networks (PCCNs) by mitigating the one-to-many mapping problem inherent in reconstructing 3D objects from incomplete point cloud data.
CKMImageNet：一個透過電腦視覺建構通道知識地圖的綜合數據集
為了促進基於環境感知的 6G 無線通訊技術發展，本文介紹了一個包含位置資訊的通道知識數據集 CKMImageNet，並探討其在通道知識地圖構建和通訊演算法驗證方面的應用。
基於遷移的骨骼動作識別攻擊：TASAR
骨骼動作識別系統 (S-HAR) 易受對抗性攻擊，特別是基於遷移的攻擊，這種攻擊利用代理模型製作對抗性範例，並將其轉移到目標黑盒模型。
전문가 트랜스포머를 활용한 텍스트-비디오 변환 모델, CogVideoX
CogVideoX는 3D VAE와 전문가 트랜스포머 아키텍처를 활용하여 긴 시간 동안 일관성을 유지하면서 역동적인 움직임을 가진 고품질 비디오를 생성하는 최첨단 텍스트-비디오 변환 모델입니다.
専門家トランスフォーマーを用いたテキスト-ビデオ拡散モデル、CogVideoX
CogVideoXは、3D VAEと専門家トランスフォーマーアーキテクチャを活用し、長期的な一貫性と豊かな動きを持つ高品質なビデオをテキストから生成する、最先端のテキスト-ビデオ拡散モデルである。
여러 이미지를 처리하는 멀티모달 대규모 언어 모델 평가를 위한 MIBench 벤치마크: MLLM의 세분화된 능력 평가
본 논문에서는 단일 이미지 입력에 집중했던 기존 MLLM 벤치마크의 한계를 지적하고, 현실적인 다중 이미지 시나리오에서 MLLM의 성능을 포괄적으로 평가하기 위해 새로운 벤치마크인 MIBench를 제안합니다.
複数の画像を扱うマルチモーダル大規模言語モデルの評価：MIBench
既存のマルチモーダル大規模言語モデル (MLLM) は、単一画像タスクでは優れた性能を発揮するものの、複数画像入力になると、きめ細かい認識、複数画像推論、文脈内学習能力など、大きな欠点がある。
© 2024 by Linnk AI