cs.CV（2025-02-28）
📊 共 8 篇论文 | 🔗 2 篇有代码
🎯 兴趣领域导航
支柱二：RL算法与架构 (RL & Architecture) (3)
支柱三：空间感知与语义 (Perception & Semantics) (2)
支柱一：机器人控制 (Robot Control) (1 🔗1)
支柱六：视频提取与匹配 (Video Extraction) (1)
支柱九：具身大模型 (Embodied Foundation Models) (1 🔗1)
🔬 支柱二：RL算法与架构 (RL & Architecture) (3 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | WorldModelBench: Judging Video Generation Models As World Models | 提出WorldModelBench，用于评估视频生成模型作为世界模型的性能，尤其关注物理规律遵循。 | world model instruction following | ||
| 2 | STPro: Spatial and Temporal Progressive Learning for Weakly Supervised Spatio-Temporal Grounding | STPro：时空渐进学习框架，用于弱监督时空视频定位 | curriculum learning foundation model | ||
| 3 | Dataset Distillation with Neural Characteristic Function: A Minmax Perspective | 提出神经特征函数以解决数据集蒸馏中的分布匹配问题 | distillation |
🔬 支柱三：空间感知与语义 (Perception & Semantics) (2 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 4 | EndoPBR: Material and Lighting Estimation for Photorealistic Surgical Simulations via Physically-based Rendering | EndoPBR：通过物理渲染进行逼真手术模拟的材质和光照估计 | depth estimation 3D gaussian splatting gaussian splatting | ||
| 5 | RTGen: Real-Time Generative Detection Transformer | 提出RTGen：一种实时生成式检测Transformer，解决开放词汇目标检测的速度瓶颈。 | open-vocabulary open vocabulary |
🔬 支柱一：机器人控制 (Robot Control) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 6 | Towards General Visual-Linguistic Face Forgery Detection(V2) | 提出FFTG，通过伪造掩码和提示策略提升视觉-语言人脸伪造检测的准确性。 | manipulation large language model multimodal | ✅ |
🔬 支柱六：视频提取与匹配 (Video Extraction) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 7 | EDM: Equirectangular Projection-Oriented Dense Kernelized Feature Matching | 提出EDM，一种面向全景图像的密集核化特征匹配算法，显著提升匹配精度。 | feature matching |
🔬 支柱九：具身大模型 (Embodied Foundation Models) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 8 | SciceVPR: Stable Cross-Image Correlation Enhanced Model for Visual Place Recognition | SciceVPR：稳定跨图像相关增强的视觉定位模型 | foundation model | ✅ |