cs.CV（2024-11-08）
📊 共 4 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 🔗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) (1)
🔬 支柱九：具身大模型 (Embodied Foundation Models) (2 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | Hierarchical Visual Feature Aggregation for OCR-Free Document Understanding | 提出基于层级视觉特征聚合的OCR-Free文档理解框架，提升多模态大语言模型处理文档图像的效率。 | large language model multimodal | ||
| 2 | Autoregressive Models in Vision: A Survey | 综述视觉自回归模型：探索像素、令牌和尺度等多层次表示的生成建模方法。 | embodied AI multimodal | ✅ |
🔬 支柱三：空间感知与语义 (Perception & Semantics) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 3 | PEP-GS: Perceptually-Enhanced Precise Structured 3D Gaussians for View-Adaptive Rendering | PEP-GS：感知增强的精确结构化3D高斯，用于视角自适应渲染 | 3D gaussian splatting gaussian splatting splatting |
🔬 支柱二：RL算法与架构 (RL & Architecture) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 4 | WavShadow: Wavelet Based Shadow Segmentation and Removal | WavShadow：融合小波变换的阴影分割与去除方法，提升ShadowFormer性能。 | masked autoencoder MAE |