cs.CV（2026-06-02）
📊 共 5 篇论文 | 🔗 1 篇有代码
🎯 兴趣领域导航
支柱二：RL算法与架构 (RL & Architecture) (2)
支柱三：空间感知与语义 (Perception & Semantics) (1)
支柱九：具身大模型 (Embodied Foundation Models) (1)
支柱六：视频提取与匹配 (Video Extraction) (1 🔗1)
🔬 支柱二：RL算法与架构 (RL & Architecture) (2 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | CoralBay: A Self-Supervised CT Foundation Model | 提出CoralBay以解决CT图像自监督学习问题 | representation learning distillation foundation model | ||
| 2 | P\textsuperscript{2}-DPO: Grounding Hallucination in Perceptual Processing via Calibration Direct Preference Optimization | 提出P²-DPO以解决视觉模型中的幻觉问题 | DPO direct preference optimization |
🔬 支柱三：空间感知与语义 (Perception & Semantics) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 3 | PersistGS: Differentiable Physics for Object Permanence in 4D Gaussian Splatting | 提出PersistGS以解决动态场景中的物体永久性问题 | 3D gaussian splatting 3DGS gaussian splatting |
🔬 支柱九：具身大模型 (Embodied Foundation Models) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 4 | Visual Instruction Tuning Aligns Modalities through Abstraction | 提出视觉指令调优以增强多模态模型的抽象能力 | 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 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 5 | VLESA: Vision-Language Embodied Safety Agent for Human Activity Monitoring | 提出VLESA以解决人类活动监测中的安全问题 | egocentric | ✅ |