ChatPaper.ai
Menü öffnen
Startseite
Tägliche Publikationen
arXiv
HuggingFace
Preise
Konto
Arbeitsbereich
🇩🇪
Deutsch
Loading...
•
•
•
•
•
•
•
•
•
•
KI-Forschungspapiere Täglich
Täglich kuratierte KI-Forschungspapiere mit Übersetzungen
December 16th, 2024
ObjectMate: Ein Rückkehrprior für die Einfügung von Objekten und die subjektgesteuerte Generierung.
ObjectMate: A Recurrence Prior for Object Insertion and Subject-Driven Generation
Daniel Winter, Asaf Shul, Matan Cohen, Dana Berman, Yael Pritch, Alex Rav-Acha, Yedid Hoshen
•
Dec 11, 2024
•
11
2
TraceVLA: Visuelle Trace-Prompting verbessert räumlich-zeitliches Bewusstsein für allgemeine robotische Richtlinien
TraceVLA: Visual Trace Prompting Enhances Spatial-Temporal Awareness for Generalist Robotic Policies
Ruijie Zheng, Yongyuan Liang, Shuaiyi Huang, Jianfeng Gao, Hal Daumé III, Andrey Kolobov, Furong Huang, Jianwei Yang
•
Dec 13, 2024
•
2
2
FluxSpace: Entwirrte semantische Bearbeitung in rektifizierten Fluss-Transformatoren
FluxSpace: Disentangled Semantic Editing in Rectified Flow Transformers
Yusuf Dalva, Kavana Venkatesh, Pinar Yanardag
•
Dec 12, 2024
•
10
2
SynerGen-VL: Auf dem Weg zu einer synergetischen Bildverständnis und -generierung mit Visionsexperten und Token-Faltung.
SynerGen-VL: Towards Synergistic Image Understanding and Generation with Vision Experts and Token Folding
Hao Li, Changyao Tian, Jie Shao, Xizhou Zhu, Zhaokai Wang, Jinguo Zhu, Wenhan Dou, Xiaogang Wang, Hongsheng Li, Lewei Lu, Jifeng Dai
•
Dec 12, 2024
•
38
4
GenEx: Generierung einer erkundbaren Welt
GenEx: Generating an Explorable World
Taiming Lu, Tianmin Shu, Junfei Xiao, Luoxin Ye, Jiahao Wang, Cheng Peng, Chen Wei, Daniel Khashabi, Rama Chellappa, Alan Yuille, Jieneng Chen
•
Dec 12, 2024
•
97
2
GReaTer: Gradienten über Argumentation macht kleinere Sprachmodelle stark Prompt-Optimierer
GReaTer: Gradients over Reasoning Makes Smaller Language Models Strong Prompt Optimizers
Sarkar Snigdha Sarathi Das, Ryo Kamoi, Bo Pang, Yusen Zhang, Caiming Xiong, Rui Zhang
•
Dec 12, 2024
•
5
3
Multimodale Musikgenerierung mit expliziten Brücken und Rückgewinnungserweiterung.
Multimodal Music Generation with Explicit Bridges and Retrieval Augmentation
Baisen Wang, Le Zhuo, Zhaokai Wang, Chenxi Bao, Wu Chengjing, Xuecheng Nie, Jiao Dai, Jizhong Han, Yue Liao, Si Liu
•
Dec 12, 2024
•
7
4
FireFlow: Schnelle Umkehrung des gerichteten Flusses zur semantischen Bearbeitung von Bildern
FireFlow: Fast Inversion of Rectified Flow for Image Semantic Editing
Yingying Deng, Xiangyu He, Changwang Mei, Peisong Wang, Fan Tang
•
Dec 10, 2024
•
11
3
InstanceCap: Verbesserung der Text-zu-Video-Erzeugung durch instanzbewusste strukturierte Bildunterschrift
InstanceCap: Improving Text-to-Video Generation via Instance-aware Structured Caption
Tiehan Fan, Kepan Nan, Rui Xie, Penghao Zhou, Zhenheng Yang, Chaoyou Fu, Xiang Li, Jian Yang, Ying Tai
•
Dec 12, 2024
•
19
3
Große Aktionsmodelle: Von der Entstehung bis zur Umsetzung
Large Action Models: From Inception to Implementation
Lu Wang, Fangkai Yang, Chaoyun Zhang, Junting Lu, Jiaxu Qian, Shilin He, Pu Zhao, Bo Qiao, Ray Huang, Si Qin, Qisheng Su, Jiayi Ye, Yudi Zhang, Jian-Guang Lou, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang, Qi Zhang
•
Dec 13, 2024
•
35
5
Prompt2Perturb (P2P): Textgesteuerte Diffusionsbasierte Adversarialangriffe auf Brustultraschallbilder
Prompt2Perturb (P2P): Text-Guided Diffusion-Based Adversarial Attacks on Breast Ultrasound Images
Yasamin Medghalchi, Moein Heidari, Clayton Allard, Leonid Sigal, Ilker Hacihaliloglu
•
Dec 13, 2024
•
1
2
SmolTulu: Höhere Verhältnisse von Lernrate zu Batch-Größe können zu besserem Schlussfolgern in SLMs führen.
SmolTulu: Higher Learning Rate to Batch Size Ratios Can Lead to Better Reasoning in SLMs
Sultan Alrashed
•
Dec 11, 2024
•
4
2
SCBench: Eine KV-Cache-zentrierte Analyse von Methoden mit langem Kontext
SCBench: A KV Cache-Centric Analysis of Long-Context Methods
Yucheng Li, Huiqiang Jiang, Qianhui Wu, Xufang Luo, Surin Ahn, Chengruidong Zhang, Amir H. Abdi, Dongsheng Li, Jianfeng Gao, Yuqing Yang, Lili Qiu
•
Dec 13, 2024
•
10
2
BiMediX2: Bio-Medizinisches Experten-LMM für verschiedene medizinische Modalitäten
BiMediX2: Bio-Medical EXpert LMM for Diverse Medical Modalities
Sahal Shaji Mullappilly, Mohammed Irfan Kurpath, Sara Pieri, Saeed Yahya Alseiari, Shanavas Cholakkal, Khaled Aldahmani, Fahad Khan, Rao Anwer, Salman Khan, Timothy Baldwin, Hisham Cholakkal
•
Dec 10, 2024
•
28
2
Effiziente generative Modellierung mit auf Restvektorquantisierung basierenden Tokens.
Efficient Generative Modeling with Residual Vector Quantization-Based Tokens
Jaehyeon Kim, Taehong Moon, Keon Lee, Jaewoong Cho
•
Dec 13, 2024
•
19
2
Apollo: Eine Untersuchung der Videoverarbeitung in großen multimodalen Modellen.
Apollo: An Exploration of Video Understanding in Large Multimodal Models
Orr Zohar, Xiaohan Wang, Yann Dubois, Nikhil Mehta, Tong Xiao, Philippe Hansen-Estruch, Licheng Yu, Xiaofang Wang, Felix Juefei-Xu, Ning Zhang, Serena Yeung-Levy, Xide Xia
•
Dec 13, 2024
•
146
13
LinGen: Auf dem Weg zur Generierung von Text-zu-Video mit hoher Auflösung und Minutenlänge bei linearer Rechenkomplexität
LinGen: Towards High-Resolution Minute-Length Text-to-Video Generation with Linear Computational Complexity
Hongjie Wang, Chih-Yao Ma, Yen-Cheng Liu, Ji Hou, Tao Xu, Jialiang Wang, Felix Juefei-Xu, Yaqiao Luo, Peizhao Zhang, Tingbo Hou, Peter Vajda, Niraj K. Jha, Xiaoliang Dai
•
Dec 13, 2024
•
10
4
FreeScale: Freisetzung der Auflösung von Diffusionsmodellen durch abstimmmittelfreie Skalenfusion.
FreeScale: Unleashing the Resolution of Diffusion Models via Tuning-Free Scale Fusion
Haonan Qiu, Shiwei Zhang, Yujie Wei, Ruihang Chu, Hangjie Yuan, Xiang Wang, Yingya Zhang, Ziwei Liu
•
Dec 12, 2024
•
20
2