ChatPaper.ai
メニューを開く
ホーム
今日の論文
arXiv
HuggingFace
料金プラン
アカウント
ワークスペース
🇯🇵
日本語
Loading...
•
•
•
•
•
•
•
•
•
•
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
April 14th, 2025
PixelFlow: フローを用いたピクセル空間生成モデル
PixelFlow: Pixel-Space Generative Models with Flow
Shoufa Chen, Chongjian Ge, Shilong Zhang, Peize Sun, Ping Luo
•
Apr 10, 2025
•
19
6
InteractVLM: 2D基盤モデルからの3Dインタラクション推論
InteractVLM: 3D Interaction Reasoning from 2D Foundational Models
Sai Kumar Dwivedi, Dimitrije Antić, Shashank Tripathi, Omid Taheri, Cordelia Schmid, Michael J. Black, Dimitrios Tzionas
•
Apr 7, 2025
•
5
2
SQL-R1: 強化学習による自然言語からSQLへの推論モデルのトレーニング
SQL-R1: Training Natural Language to SQL Reasoning Model By Reinforcement Learning
Peixian Ma, Xialie Zhuang, Chengjin Xu, Xuhui Jiang, Ran Chen, Jian Guo
•
Apr 11, 2025
•
26
2
SAEはアンラーニングを改善可能:LLMにおける精密なアンラーニングのための動的スパースオートエンコーダガードレール
SAEs Can Improve Unlearning: Dynamic Sparse Autoencoder Guardrails for Precision Unlearning in LLMs
Aashiq Muhamed, Jacopo Bonato, Mona Diab, Virginia Smith
•
Apr 11, 2025
•
4
2
BlenderGym:グラフィックス編集のための基盤モデルシステムのベンチマーキング
BlenderGym: Benchmarking Foundational Model Systems for Graphics Editing
Yunqi Gu, Ian Huang, Jihyeon Je, Guandao Yang, Leonidas Guibas
•
Apr 2, 2025
•
6
2
博士レベルの大規模言語モデルは本当に初歩的な加算を理解しているのか? 大規模言語モデルにおけるルール学習と記憶化の探求
Do PhD-level LLMs Truly Grasp Elementary Addition? Probing Rule Learning vs. Memorization in Large Language Models
Yang Yan, Yu Lu, Renjun Xu, Zhenzhong Lan
•
Apr 7, 2025
•
11
6
テキストからビデオ生成におけるトレーニング不要のガイダンス:マルチモーダル計画と構造化ノイズ初期化によるアプローチ
Training-free Guidance in Text-to-Video Generation via Multimodal Planning and Structured Noise Initialization
Jialu Li, Shoubin Yu, Han Lin, Jaemin Cho, Jaehong Yoon, Mohit Bansal
•
Apr 11, 2025
•
7
2
UKBOB:汎用可能な3D医用画像セグメンテーションのための10億のMRIラベル付きマスク
UKBOB: One Billion MRI Labeled Masks for Generalizable 3D Medical Image Segmentation
Emmanuelle Bourigault, Amir Jamaludin, Abdullah Hamdi
•
Apr 9, 2025
•
7
2
In-2-4D: 単一視点画像2枚から4D生成への中間補間
In-2-4D: Inbetweening from Two Single-View Images to 4D Generation
Sauradip Nag, Daniel Cohen-Or, Hao Zhang, Ali Mahdavi-Amiri
•
Apr 11, 2025
•
10
2
ZipIR: 高解像度画像復元のための潜在ピラミッド拡散トランスフォーマー
ZipIR: Latent Pyramid Diffusion Transformer for High-Resolution Image Restoration
Yongsheng Yu, Haitian Zheng, Zhifei Zhang, Jianming Zhang, Yuqian Zhou, Connelly Barnes, Yuchen Liu, Wei Xiong, Zhe Lin, Jiebo Luo
•
Apr 11, 2025
•
18
2
ビジュアル・クロニクル:大規模画像コレクションの分析におけるマルチモーダルLLMの活用
Visual Chronicles: Using Multimodal LLMs to Analyze Massive Collections of Images
Boyang Deng, Songyou Peng, Kyle Genova, Gordon Wetzstein, Noah Snavely, Leonidas Guibas, Thomas Funkhouser
•
Apr 11, 2025
•
11
2
FlexIP: カスタマイズされた画像生成のための保存性と個性の動的制御
FlexIP: Dynamic Control of Preservation and Personality for Customized Image Generation
Linyan Huang, Haonan Lin, Yanning Zhou, Kaiwen Xiao
•
Apr 10, 2025
•
12
2
潜在拡散オートエンコーダ:医療画像における効率的で有意義な教師なし表現学習に向けて
Latent Diffusion Autoencoders: Toward Efficient and Meaningful Unsupervised Representation Learning in Medical Imaging
Gabriele Lozupone, Alessandro Bria, Francesco Fontanella, Frederick J. A. Meijer, Claudio De Stefano, Henkjan Huisman
•
Apr 11, 2025
•
5
2
VLM-R1: 安定性と汎用性を兼ね備えたR1スタイルの大規模視覚言語モデル
VLM-R1: A Stable and Generalizable R1-style Large Vision-Language Model
Haozhan Shen, Peng Liu, Jingcheng Li, Chunxin Fang, Yibo Ma, Jiajia Liao, Qiaoli Shen, Zilun Zhang, Kangjia Zhao, Qianqian Zhang, Ruochen Xu, Tiancheng Zhao
•
Apr 10, 2025
•
31
2
ModernBERTとDeBERTaV3?Transformerエンコーダモデルの性能に対するアーキテクチャとデータの影響を検証
ModernBERT or DeBERTaV3? Examining Architecture and Data Influence on Transformer Encoder Models Performance
Wissam Antoun, Benoît Sagot, Djamé Seddah
•
Apr 11, 2025
•
10
3
GigaTok:自己回帰的画像生成のためのビジュアルトークナイザを30億パラメータにスケーリング
GigaTok: Scaling Visual Tokenizers to 3 Billion Parameters for Autoregressive Image Generation
Tianwei Xiong, Jun Hao Liew, Zilong Huang, Jiashi Feng, Xihui Liu
•
Apr 11, 2025
•
47
2
Seaweed-7B: ビデオ生成基盤モデルのコスト効率的なトレーニング
Seaweed-7B: Cost-Effective Training of Video Generation Foundation Model
Team Seawead, Ceyuan Yang, Zhijie Lin, Yang Zhao, Shanchuan Lin, Zhibei Ma, Haoyuan Guo, Hao Chen, Lu Qi, Sen Wang, Feng Cheng, Feilong Zuo Xuejiao Zeng, Ziyan Yang, Fangyuan Kong, Zhiwu Qing, Fei Xiao, Meng Wei, Tuyen Hoang, Siyu Zhang, Peihao Zhu, Qi Zhao, Jiangqiao Yan, Liangke Gui, Sheng Bi, Jiashi Li, Yuxi Ren, Rui Wang, Huixia Li, Xuefeng Xiao, Shu Liu, Feng Ling, Heng Zhang, Houmin Wei, Huafeng Kuang, Jerry Duncan, Junda Zhang, Junru Zheng, Li Sun, Manlin Zhang, Renfei Sun, Xiaobin Zhuang, Xiaojie Li, Xin Xia, Xuyan Chi, Yanghua Peng, Yuping Wang, Yuxuan Wang, Zhongkai Zhao, Zhuo Chen, Zuquan Song, Zhenheng Yang, Jiashi Feng, Jianchao Yang, Lu Jiang
•
Apr 11, 2025
•
122
11
MineWorld: Minecraft上でのリアルタイム・オープンソース型インタラクティブワールドモデル
MineWorld: a Real-Time and Open-Source Interactive World Model on Minecraft
Junliang Guo, Yang Ye, Tianyu He, Haoyu Wu, Yushu Jiang, Tim Pearce, Jiang Bian
•
Apr 11, 2025
•
39
3
SpecReason: 推論時の高速かつ正確な計算を実現する推測的推論
SpecReason: Fast and Accurate Inference-Time Compute via Speculative Reasoning
Rui Pan, Yinwei Dai, Zhihao Zhang, Gabriele Oliaro, Zhihao Jia, Ravi Netravali
•
Apr 10, 2025
•
5
2
CoRAG: 協調的検索拡張生成
CoRAG: Collaborative Retrieval-Augmented Generation
Aashiq Muhamed, Mona Diab, Virginia Smith
•
Apr 2, 2025
•
10
2