cs.CV（2024-05-24）
📊 共 6 篇论文 | 🔗 1 篇有代码
🎯 兴趣领域导航
支柱九：具身大模型 (Embodied Foundation Models) (2)
支柱一：机器人控制 (Robot Control) (2 🔗1)
支柱二：RL算法与架构 (RL & Architecture) (1)
支柱三：空间感知与语义 (Perception & Semantics) (1)
🔬 支柱九：具身大模型 (Embodied Foundation Models) (2 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | M4U: Evaluating Multilingual Understanding and Reasoning for Large Multimodal Models | M4U：一个用于评估大型多模态模型多语言理解和推理能力的新基准 | large language model multimodal | ||
| 2 | DEEM: Diffusion Models Serve as the Eyes of Large Language Models for Image Perception | DEEM：利用扩散模型为大语言模型提供视觉感知能力，提升其鲁棒性。 | large language model multimodal |
🔬 支柱一：机器人控制 (Robot Control) (2 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 3 | iVideoGPT: Interactive VideoGPTs are Scalable World Models | iVideoGPT：可扩展的交互式VideoGPTs作为世界模型，用于交互式探索和决策。 | manipulation reinforcement learning world model | ✅ | |
| 4 | Recasting Generic Pretrained Vision Transformers As Object-Centric Scene Encoders For Manipulation Policies | SOFT：将通用预训练视觉Transformer重塑为面向对象的场景编码器，用于操作策略 | manipulation |
🔬 支柱二：RL算法与架构 (RL & Architecture) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 5 | Score Distillation via Reparametrized DDIM | 通过重参数化DDIM改进Score Distillation，提升3D形状生成质量 | distillation |
🔬 支柱三：空间感知与语义 (Perception & Semantics) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 6 | NeB-SLAM: Neural Blocks-based Salable RGB-D SLAM for Unknown Scenes | NeB-SLAM：基于神经块的可扩展RGB-D SLAM，用于未知场景 | implicit representation |