cs.CV（2024-05-08）
📊 共 7 篇论文
🎯 兴趣领域导航
支柱二：RL算法与架构 (RL & Architecture) (2)
支柱九：具身大模型 (Embodied Foundation Models) (2)
支柱四：生成式动作 (Generative Motion) (1)
支柱一：机器人控制 (Robot Control) (1)
支柱三：空间感知与语义 (Perception & Semantics) (1)
🔬 支柱二：RL算法与架构 (RL & Architecture) (2 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | OpenESS: Event-based Semantic Scene Understanding with Open Vocabularies | 提出OpenESS，利用图像-文本知识迁移实现开放词汇的事件语义场景理解。 | distillation scene understanding open-vocabulary | ||
| 2 | GDGS: Gradient Domain Gaussian Splatting for Sparse Representation of Radiance Fields | 提出基于梯度域高斯溅射的辐射场稀疏表示方法，提升渲染效率。 | distillation 3D gaussian splatting gaussian splatting |
🔬 支柱九：具身大模型 (Embodied Foundation Models) (2 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 3 | All in One Framework for Multimodal Re-identification in the Wild | 提出AIO框架，利用预训练大模型实现统一的多模态ReID，解决模态异构问题。 | foundation model multimodal | ||
| 4 | VisionGraph: Leveraging Large Multimodal Models for Graph Theory Problems in Visual Context | 提出VisionGraph基准，并设计DPR链以提升LMMs在视觉图论问题上的推理能力。 | multimodal |
🔬 支柱四：生成式动作 (Generative Motion) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 5 | Exploring Vision Transformers for 3D Human Motion-Language Models with Motion Patches | 提出基于运动块和视觉Transformer的3D人体运动-语言模型，提升跨模态检索性能。 | text-to-motion motion retrieval human motion |
🔬 支柱一：机器人控制 (Robot Control) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 6 | Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving | 提出LaserMix++框架，利用多模态数据高效提升自动驾驶3D场景理解能力 | manipulation distillation scene understanding |
🔬 支柱三：空间感知与语义 (Perception & Semantics) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 7 | SemiCD-VL: Visual-Language Model Guidance Makes Better Semi-supervised Change Detector | 提出SemiCD-VL，利用视觉语言模型指导半监督变化检测，提升小样本性能。 | open-vocabulary open vocabulary |