KI-Forschungspapiere Täglich

Täglich kuratierte KI-Forschungspapiere mit Übersetzungen

ViTAR: Vision-Transformer mit beliebiger Auflösung
ViTAR: Vision Transformer with Any Resolution

Qihang Fan, Quanzeng You, Xiaotian Han, Yongfei Liu, Yunzhe Tao, Huaibo Huang, Ran He, Hongxia Yang•Mar 27, 2024•562

Mini-Gemini: Erschließung des Potenzials von Multimodalitäts-Vision-Sprache-Modellen
Mini-Gemini: Mining the Potential of Multi-modality Vision Language Models

Yanwei Li, Yuechen Zhang, Chengyao Wang, Zhisheng Zhong, Yixin Chen, Ruihang Chu, Shaoteng Liu, Jiaya Jia•Mar 27, 2024•484

ObjectDrop: Bootstrapping von Gegenfaktoren für fotorealistische Objektentfernung und -einfügung
ObjectDrop: Bootstrapping Counterfactuals for Photorealistic Object Removal and Insertion

Daniel Winter, Matan Cohen, Shlomi Fruchter, Yael Pritch, Alex Rav-Acha, Yedid Hoshen•Mar 27, 2024•284

Langform-Faktizität in großen Sprachmodellen
Long-form factuality in large language models

Jerry Wei, Chengrun Yang, Xinying Song, Yifeng Lu, Nathan Hu, Dustin Tran, Daiyi Peng, Ruibo Liu, Da Huang, Cosmo Du, Quoc V. Le•Mar 27, 2024•262

Kleidungsstück3DGen: 3D Kleidungsstück-Stilisierung und Texturerzeugung
Garment3DGen: 3D Garment Stylization and Texture Generation

Nikolaos Sarafianos, Tuur Stuyck, Xiaoyu Xiang, Yilei Li, Jovan Popovic, Rakesh Ranjan•Mar 27, 2024•243

BioMedLM: Ein 2,7 Milliarden Parameter umfassendes Sprachmodell, das auf biomedizinischem Text trainiert wurde.
BioMedLM: A 2.7B Parameter Language Model Trained On Biomedical Text

Elliot Bolton, Abhinav Venigalla, Michihiro Yasunaga, David Hall, Betty Xiong, Tony Lee, Roxana Daneshjou, Jonathan Frankle, Percy Liang, Michael Carbin, Christopher D. Manning•Mar 27, 2024•243

Kombinieren Sie Gaussian Splatting mit Mamba für die 3D-Rekonstruktion aus einer einzigen Ansicht: Gamba
Gamba: Marry Gaussian Splatting with Mamba for single view 3D reconstruction

Qiuhong Shen, Xuanyu Yi, Zike Wu, Pan Zhou, Hanwang Zhang, Shuicheng Yan, Xinchao Wang•Mar 27, 2024•212

EgoLifter: Open-World 3D-Segmentierung für egozentrische Wahrnehmung
EgoLifter: Open-world 3D Segmentation for Egocentric Perception

Qiao Gu, Zhaoyang Lv, Duncan Frost, Simon Green, Julian Straub, Chris Sweeney•Mar 26, 2024•121

FlexEdit: Flexible und kontrollierbare Diffusions-basierte objektorientierte Bildbearbeitung
FlexEdit: Flexible and Controllable Diffusion-based Object-centric Image Editing

Trong-Tung Nguyen, Duc-Anh Nguyen, Anh Tran, Cuong Pham•Mar 27, 2024•111

Auf dem Weg zu einem Welt-Englisch Sprachmodell für virtuelle Assistenten auf Geräten
Towards a World-English Language Model for On-Device Virtual Assistants

Rricha Jalota, Lyan Verwimp, Markus Nussbaum-Thom, Amr Mousa, Arturo Argueta, Youssef Oualil•Mar 27, 2024•61