KI-Forschungspapiere Täglich

Täglich kuratierte KI-Forschungspapiere mit Übersetzungen

MIA-DPO: Multi-Bild-Augmented Direct Preference Optimization für große Vision-Sprach-Modelle
MIA-DPO: Multi-Image Augmented Direct Preference Optimization For Large Vision-Language Models

Ziyu Liu, Yuhang Zang, Xiaoyi Dong, Pan Zhang, Yuhang Cao, Haodong Duan, Conghui He, Yuanjun Xiong, Dahua Lin, Jiaqi Wang•Oct 23, 2024•343

LongVU: Spatiotemporale adaptive Kompression für das Verständnis von langen Video-Sprache-Beziehungen
LongVU: Spatiotemporal Adaptive Compression for Long Video-Language Understanding

Xiaoqian Shen, Yunyang Xiong, Changsheng Zhao, Lemeng Wu, Jun Chen, Chenchen Zhu, Zechun Liu, Fanyi Xiao, Balakrishnan Varadarajan, Florian Bordes, Zhuang Liu, Hu Xu, Hyunwoo J. Kim, Bilge Soran, Raghuraman Krishnamoorthi, Mohamed Elhoseiny, Vikas Chandra•Oct 22, 2024•242

WorldSimBench: Auf dem Weg zu Videogenerierungsmodellen als Welt-Simulatoren
WorldSimBench: Towards Video Generation Models as World Simulators

Yiran Qin, Zhelun Shi, Jiwen Yu, Xijun Wang, Enshen Zhou, Lijun Li, Zhenfei Yin, Xihui Liu, Lu Sheng, Jing Shao, Lei Bai, Wanli Ouyang, Ruimao Zhang•Oct 23, 2024•172

Skalierung von Diffusions-Sprachmodellen durch Anpassung von autoregressiven Modellen
Scaling Diffusion Language Models via Adaptation from Autoregressive Models

Shansan Gong, Shivam Agarwal, Yizhe Zhang, Jiacheng Ye, Lin Zheng, Mukai Li, Chenxin An, Peilin Zhao, Wei Bi, Jiawei Han, Hao Peng, Lingpeng Kong•Oct 23, 2024•152

Skalierbare Optimierung von Rangpräferenzen für die Generierung von Text-zu-Bildern
Scalable Ranked Preference Optimization for Text-to-Image Generation

Shyamgopal Karthik, Huseyin Coskun, Zeynep Akata, Sergey Tulyakov, Jian Ren, Anil Kag•Oct 23, 2024•142

DynamicCity: Groß angelegte LiDAR-Erzeugung aus dynamischen Szenen
DynamicCity: Large-Scale LiDAR Generation from Dynamic Scenes

Hengwei Bian, Lingdong Kong, Haozhe Xie, Liang Pan, Yu Qiao, Ziwei Liu•Oct 23, 2024•122

M-RewardBench: Evaluierung von Belohnungsmodellen in mehrsprachigen Umgebungen
M-RewardBench: Evaluating Reward Models in Multilingual Settings

Srishti Gureja, Lester James V. Miranda, Shayekh Bin Islam, Rishabh Maheshwary, Drishti Sharma, Gusti Winata, Nathan Lambert, Sebastian Ruder, Sara Hooker, Marzieh Fadaee•Oct 20, 2024•103

Leichte neuronale App-Steuerung
Lightweight Neural App Control

Filippos Christianos, Georgios Papoudakis, Thomas Coste, Jianye Hao, Jun Wang, Kun Shao•Oct 23, 2024•92

MedINST: Metadatensatz biomedizinischer Anweisungen
MedINST: Meta Dataset of Biomedical Instructions

Wenhan Han, Meng Fang, Zihan Zhang, Yu Yin, Zirui Song, Ling Chen, Mykola Pechenizkiy, Qingyu Chen•Oct 17, 2024•62

ARKit LabelMaker: Eine neue Skala für das Verständnis von 3D-Szenen in Innenräumen
ARKit LabelMaker: A New Scale for Indoor 3D Scene Understanding

Guangda Ji, Silvan Weder, Francis Engelmann, Marc Pollefeys, Hermann Blum•Oct 17, 2024•62

TP-Eval: Erschließen Sie das Potenzial multimodaler LLMs in der Evaluation durch die Anpassung von Aufforderungen.
TP-Eval: Tap Multimodal LLMs' Potential in Evaluation by Customizing Prompts

Yuxuan Xie, Tianhua Li, Wenqi Shao, Kaipeng Zhang•Oct 23, 2024•61

LVSM: Ein großes Ansichtssynthesemodell mit minimalem 3D-induktivem Bias.
LVSM: A Large View Synthesis Model with Minimal 3D Inductive Bias

Haian Jin, Hanwen Jiang, Hao Tan, Kai Zhang, Sai Bi, Tianyuan Zhang, Fujun Luan, Noah Snavely, Zexiang Xu•Oct 22, 2024•32

Die Lenkung Ihrer Generalisten: Verbesserung von Roboter-Grundmodellen durch Wertführung
Steering Your Generalists: Improving Robotic Foundation Models via Value Guidance

Mitsuhiko Nakamoto, Oier Mees, Aviral Kumar, Sergey Levine•Oct 17, 2024•11