This research paper introduces a novel multi-task deep learning framework for no-reference image quality assessment (NR-IQA) that outperforms existing methods by leveraging high-frequency image information and a distortion-aware network.
Zer0-Jack, a novel jailbreaking method, effectively attacks black-box Multi-modal Large Language Models (MLLMs) by leveraging zeroth-order optimization and patch coordinate descent to generate malicious image inputs with high success rates and low memory usage.
GaussianCutは、3Dガウシアン スプラッティング(3DGS)を使用して表現されたシーンにおいて、インタラクティブなオブジェクトセグメンテーションを実現する新しい手法である。
本文提出了一種簡單有效的動態圖演算法,用於解決允許回溯的共乘問題,並證明該演算法能維持低差異值和較低的回溯成本。
本文提出了一種利用逆向強化學習從專家示範數據中學習獎勵函數,並結合運動規劃器生成逼真且安全的自主水面艦艇靠泊策略的方法。
SP-VIO 是一種新型視覺慣性里程計 (VIO) 演算法,透過重建狀態和測量模型,並採用僅姿態 (PO) 理論和雙狀態變換 Rauch-Tung-Striebel (DST-RTS) 回溯方法,在保持高效能的同時,提高了定位精度和在視覺中斷條件下的穩健性。
본 논문에서는 그래프에서 간선이 동적으로 추가 및 삭제되는 상황에서도 낮은 불균형을 유지하며 효율적으로 카풀링을 수행할 수 있는 알고리즘을 제시합니다.
GaussianCut enables interactive 3D object segmentation in scenes represented by 3D Gaussian Splatting (3DGS) by leveraging user input and a graph-cut algorithm to partition scene Gaussians into foreground and background.
전문가의 시연 데이터를 활용한 역강화 학습을 통해 자율 수상 선박의 자율 도킹 작업을 위한 보상 함수를 학습하고, 이를 기반으로 안전하고 효율적인 도킹 전략을 생성하는 방법을 제시한다.
본 논문에서는 향상된 정확성과 효율성을 위해 새로운 시스템 모델(DST-EKF)과 관측 모델(포즈 기반)을 통합하고, 시각적 정보 손실 상황에서 강력성을 향상시키기 위해 DST-RTS 백트래킹 기법을 적용한 새로운 VIO 알고리즘인 SP-VIO를 제안합니다.