AI研究論文デイリー

翻訳付きの日次キュレーションされたAI研究論文

MathVerse: あなたのマルチモーダルLLMは視覚数学問題の図を本当に理解しているか？
MathVerse: Does Your Multi-modal LLM Truly See the Diagrams in Visual Math Problems?

Renrui Zhang, Dongzhi Jiang, Yichi Zhang, Haokun Lin, Ziyu Guo, Pengshuo Qiu, Aojun Zhou, Pan Lu, Kai-Wei Chang, Peng Gao, Hongsheng Li•Mar 21, 2024•533

DreamReward: 人間の選好を考慮したテキストから3D生成
DreamReward: Text-to-3D Generation with Human Preference

Junliang Ye, Fangfu Liu, Qixiu Li, Zhengyi Wang, Yikai Wang, Xinzhou Wang, Yueqi Duan, Jun Zhu•Mar 21, 2024•382

Cobra: 効率的な推論のためのマルチモーダル大規模言語モデルへのMambaの拡張
Cobra: Extending Mamba to Multi-Modal Large Language Model for Efficient Inference

Han Zhao, Min Zhang, Wei Zhao, Pengxiang Ding, Siteng Huang, Donglin Wang•Mar 21, 2024•362

AnyV2V: 任意のビデオ間編集タスクのためのプラグアンドプレイフレームワーク
AnyV2V: A Plug-and-Play Framework For Any Video-to-Video Editing Tasks

Max Ku, Cong Wei, Weiming Ren, Huan Yang, Wenhu Chen•Mar 21, 2024•271

ReNoise: 反復的ノイズ付加による実画像の反転
ReNoise: Real Image Inversion Through Iterative Noising

Daniel Garibi, Or Patashnik, Andrey Voynov, Hadar Averbuch-Elor, Daniel Cohen-Or•Mar 21, 2024•221

効率的なビデオ拡散モデルのためのコンテンツフレーム・モーション潜在分解
Efficient Video Diffusion Models via Content-Frame Motion-Latent Decomposition

Sihyun Yu, Weili Nie, De-An Huang, Boyi Li, Jinwoo Shin, Anima Anandkumar•Mar 21, 2024•221

MyVLM: ユーザー固有のクエリに向けたVLMのパーソナライズ
MyVLM: Personalizing VLMs for User-Specific Queries

Yuval Alaluf, Elad Richardson, Sergey Tulyakov, Kfir Aberman, Daniel Cohen-Or•Mar 21, 2024•172

GRM: 効率的な3D再構成と生成のための大規模ガウス再構成モデル
GRM: Large Gaussian Reconstruction Model for Efficient 3D Reconstruction and Generation

Yinghao Xu, Zifan Shi, Wang Yifan, Hansheng Chen, Ceyuan Yang, Sida Peng, Yujun Shen, Gordon Wetzstein•Mar 21, 2024•162

ガウシアン・フロスティング：リアルタイムレンダリング可能な編集可能な複素放射輝度フィールド
Gaussian Frosting: Editable Complex Radiance Fields with Real-Time Rendering

Antoine Guédon, Vincent Lepetit•Mar 21, 2024•141

時間と空間の探求的インターウィーニング
Explorative Inbetweening of Time and Space

Haiwen Feng, Zheng Ding, Zhihao Xia, Simon Niklaus, Victoria Abrevaya, Michael J. Black, Xuaner Zhang•Mar 21, 2024•131

StyleCineGAN: 事前学習済みStyleGANを用いた風景シネマグラフ生成
StyleCineGAN: Landscape Cinemagraph Generation using a Pre-trained StyleGAN

Jongwoo Choi, Kwanggyoon Seo, Amirsaman Ashtari, Junyong Noh•Mar 21, 2024•101

再生のためのリソース：生成言語モデルとの対話
Recourse for reclamation: Chatting with generative language models

Jennifer Chien, Kevin R. McKee, Jackie Kay, William Isaac•Mar 21, 2024•81