arXiv:2608.25199v1 Аннотация: Мы изучаем регуляризатор с древовидной структурой по сравнению с макетами классовых прототипов в иерархической модели классификации и спрашиваем, влияет ли выбор скрытого...
arXiv:2608.24142v1 Краткое описание: Быстрое обучение адаптирует модели языка зрения, такие как CLIP, оптимизируя непрерывные быстрые векторы, но полученные подсказки трудно интерпретировать на естест...
arXiv:2608.23970v1 Мультимодальные большие языковые модели (MLLM) достигли значительного прогресса в понимании и интерпретации мультимедийного контента. Однако их способность генерировать меня-диа ост...
arXiv:2601.17885v2 Бимануальные манипуляции в загроможденных сценах требуют политики, которая остается стабильной при окклюзии, изменениях точки зрения и вариациях сцены. Существующие модели действий ...
arXiv:2608.22313v1 Изучение классификации изображений с несколькими метками с неполными аннотациями является сложной задачей, которая была широко изучена для ее превосходного компромисса между высокой...
arXiv:2608.21659v1 Новые абстрактные эскизы векторов остаются одним из самых кратких и непосредственных средств абстрактного человеческого выражения. Тем не менее, создание высококачественных векторны...
arXiv:2608.21761v1 Большие коллекции изображений уличного вида предоставляют богатую визуальную информацию о городской среде, но извлечение мелкозернистой географической информации из таких данных ост...
arXiv:2511.17886v2 Анонс Тип: замена-кросс Абстракт: Модели языка видения (VLM) достигли значительного успеха в мультимодальных задачах, но их существенные вычислительные требования препятствуют эффек...