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

SHIC: キーポイント監視なしの形状-画像対応付け
SHIC: Shape-Image Correspondences with no Keypoint Supervision

Aleksandar Shtedritski, Christian Rupprecht, Andrea Vedaldi•Jul 26, 2024•422

AppWorld: インタラクティブコーディングエージェントのベンチマークのためのアプリと人々の制御可能な世界
AppWorld: A Controllable World of Apps and People for Benchmarking Interactive Coding Agents

Harsh Trivedi, Tushar Khot, Mareike Hartmann, Ruskin Manku, Vinty Dong, Edward Li, Shashank Gupta, Ashish Sabharwal, Niranjan Balasubramanian•Jul 26, 2024•344

Wolf: 世界要約フレームワークによる包括的キャプション生成
Wolf: Captioning Everything with a World Summarization Framework

Boyi Li, Ligeng Zhu, Ran Tian, Shuhan Tan, Yuxiao Chen, Yao Lu, Yin Cui, Sushant Veer, Max Ehrlich, Jonah Philion, Xinshuo Weng, Fuzhao Xue, Andrew Tao, Ming-Yu Liu, Sanja Fidler, Boris Ivanovic, Trevor Darrell, Jitendra Malik, Song Han, Marco Pavone•Jul 26, 2024•332

mGTE：多言語テキスト検索のための汎用長文脈テキスト表現と再ランキングモデル
mGTE: Generalized Long-Context Text Representation and Reranking Models for Multilingual Text Retrieval

Xin Zhang, Yanzhao Zhang, Dingkun Long, Wen Xie, Ziqi Dai, Jialong Tang, Huan Lin, Baosong Yang, Pengjun Xie, Fei Huang, Meishan Zhang, Wenjie Li, Min Zhang•Jul 29, 2024•244

AI研究論文デイリー

SHIC: キーポイント監視なしの形状-画像対応付け
SHIC: Shape-Image Correspondences with no Keypoint Supervision

AppWorld: インタラクティブコーディングエージェントのベンチマークのためのアプリと人々の制御可能な世界
AppWorld: A Controllable World of Apps and People for Benchmarking Interactive Coding Agents

Wolf: 世界要約フレームワークによる包括的キャプション生成
Wolf: Captioning Everything with a World Summarization Framework

mGTE：多言語テキスト検索のための汎用長文脈テキスト表現と再ランキングモデル
mGTE: Generalized Long-Context Text Representation and Reranking Models for Multilingual Text Retrieval

「ペン回し」を学ぶことから得られる教訓
Lessons from Learning to Spin "Pens"

浮遊せずに：単一画像からの物体-地面再構成
Floating No More: Object-Ground Reconstruction from a Single Image

VSSD：非因果的状態空間双対性を備えたVision Mamba
VSSD: Vision Mamba with Non-Casual State Space Duality

Support

AI研究論文デイリー

SHIC: キーポイント監視なしの形状-画像対応付け
SHIC: Shape-Image Correspondences with no Keypoint Supervision

AppWorld: インタラクティブコーディングエージェントのベンチマークのためのアプリと人々の制御可能な世界
AppWorld: A Controllable World of Apps and People for Benchmarking Interactive Coding Agents

Wolf: 世界要約フレームワークによる包括的キャプション生成
Wolf: Captioning Everything with a World Summarization Framework

mGTE：多言語テキスト検索のための汎用長文脈テキスト表現と再ランキングモデル
mGTE: Generalized Long-Context Text Representation and Reranking Models for Multilingual Text Retrieval

「ペン回し」を学ぶことから得られる教訓
Lessons from Learning to Spin "Pens"

浮遊せずに：単一画像からの物体-地面再構成
Floating No More: Object-Ground Reconstruction from a Single Image

VSSD：非因果的状態空間双対性を備えたVision Mamba
VSSD: Vision Mamba with Non-Casual State Space Duality