ChatPaper.ai
Menü öffnen
Startseite
Tägliche Publikationen
arXiv
HuggingFace
Preise
Konto
Arbeitsbereich
🇩🇪
Deutsch
Loading...
•
•
•
•
•
•
•
•
•
•
KI-Forschungspapiere Täglich
Täglich kuratierte KI-Forschungspapiere mit Übersetzungen
March 17th, 2025
ReCamMaster: Kameragesteuertes generatives Rendering aus einem einzelnen Video
ReCamMaster: Camera-Controlled Generative Rendering from A Single Video
Jianhong Bai, Menghan Xia, Xiao Fu, Xintao Wang, Lianrui Mu, Jinwen Cao, Zuozhu Liu, Haoji Hu, Xiang Bai, Pengfei Wan, Di Zhang
•
Mar 14, 2025
•
134
5
SmolDocling: Ein ultra-kompaktes Vision-Sprache-Modell für die End-to-End-Multi-Modale Dokumentkonvertierung
SmolDocling: An ultra-compact vision-language model for end-to-end multi-modal document conversion
Ahmed Nassar, Andres Marafioti, Matteo Omenetti, Maksym Lysak, Nikolaos Livathinos, Christoph Auer, Lucas Morin, Rafael Teixeira de Lima, Yusik Kim, A. Said Gurbuz, Michele Dolfi, Miquel Farré, Peter W. J. Staar
•
Mar 14, 2025
•
95
12
PLADIS: Grenzen der Aufmerksamkeit in Diffusionsmodellen zur Inferenzzeit durch Nutzung von Sparsität erweitern
PLADIS: Pushing the Limits of Attention in Diffusion Models at Inference Time by Leveraging Sparsity
Kwanyoung Kim, Byeongsu Sim
•
Mar 10, 2025
•
82
2
API-Agenten vs. GUI-Agenten: Divergenz und Konvergenz
API Agents vs. GUI Agents: Divergence and Convergence
Chaoyun Zhang, Shilin He, Liqun Li, Si Qin, Yu Kang, Qingwei Lin, Dongmei Zhang
•
Mar 14, 2025
•
35
2
Adversariale Datenerfassung: Menschlich-kollaborative Störungen für effizientes und robustes robotisches Imitationslernen
Adversarial Data Collection: Human-Collaborative Perturbations for Efficient and Robust Robotic Imitation Learning
Siyuan Huang, Yue Liao, Siyuan Feng, Shu Jiang, Si Liu, Hongsheng Li, Maoqing Yao, Guanghui Ren
•
Mar 14, 2025
•
34
2
Technologien zu Effektivität und Effizienz: Eine Übersicht über State-Space-Modelle
Technologies on Effectiveness and Efficiency: A Survey of State Spaces Models
Xingtai Lv, Youbang Sun, Kaiyan Zhang, Shang Qu, Xuekai Zhu, Yuchen Fan, Yi Wu, Ermo Hua, Xinwei Long, Ning Ding, Bowen Zhou
•
Mar 14, 2025
•
26
2
VGGT: Visuell geometrie-basierter Transformer
VGGT: Visual Geometry Grounded Transformer
Jianyuan Wang, Minghao Chen, Nikita Karaev, Andrea Vedaldi, Christian Rupprecht, David Novotny
•
Mar 14, 2025
•
20
2
Vamba: Verständnis von stundenlangen Videos mit hybriden Mamba-Transformern
Vamba: Understanding Hour-Long Videos with Hybrid Mamba-Transformers
Weiming Ren, Wentao Ma, Huan Yang, Cong Wei, Ge Zhang, Wenhu Chen
•
Mar 14, 2025
•
18
2
FlowTok: Nahtloses Fließen zwischen Text- und Bild-Tokens
FlowTok: Flowing Seamlessly Across Text and Image Tokens
Ju He, Qihang Yu, Qihao Liu, Liang-Chieh Chen
•
Mar 13, 2025
•
18
2
TxAgent: Ein KI-Agent für therapeutisches Denken über ein Universum von Werkzeugen hinweg
TxAgent: An AI Agent for Therapeutic Reasoning Across a Universe of Tools
Shanghua Gao, Richard Zhu, Zhenglun Kong, Ayush Noori, Xiaorui Su, Curtis Ginder, Theodoros Tsiligkaridis, Marinka Zitnik
•
Mar 14, 2025
•
16
3
Groß angelegtes Vor-Training für die erdgebundene Videobeschreibungserzeugung
Large-scale Pre-training for Grounded Video Caption Generation
Evangelos Kazakos, Cordelia Schmid, Josef Sivic
•
Mar 13, 2025
•
16
2
Erforschung der Schwachstellen von Federated Learning: Eine tiefgehende Analyse von Gradienteninversionsangriffen
Exploring the Vulnerabilities of Federated Learning: A Deep Dive into Gradient Inversion Attacks
Pengxin Guo, Runxi Wang, Shuang Zeng, Jinjing Zhu, Haoning Jiang, Yanran Wang, Yuyin Zhou, Feifei Wang, Hui Xiong, Liangqiong Qu
•
Mar 13, 2025
•
15
2
Kolmogorov-Arnold-Aufmerksamkeit: Ist lernbare Aufmerksamkeit besser für Vision-Transformer?
Kolmogorov-Arnold Attention: Is Learnable Attention Better For Vision Transformers?
Subhajit Maity, Killian Hitsman, Xin Li, Aritra Dutta
•
Mar 13, 2025
•
14
2
ETCH: Verallgemeinerung der Körperanpassung auf bekleidete Menschen durch äquivariante Enge
ETCH: Generalizing Body Fitting to Clothed Humans via Equivariant Tightness
Boqian Li, Haiwen Feng, Zeyu Cai, Michael J. Black, Yuliang Xiu
•
Mar 13, 2025
•
8
2
Nachbarschaftsautoregressive Modellierung für effiziente visuelle Generierung
Neighboring Autoregressive Modeling for Efficient Visual Generation
Yefei He, Yuanyu He, Shaoxuan He, Feng Chen, Hong Zhou, Kaipeng Zhang, Bohan Zhuang
•
Mar 12, 2025
•
8
3
ProJudge: Ein Multi-Modaler Multi-Disziplin-Benchmark und Instruktions-Tuning-Datensatz für MLLM-basierte Prozessbewertungen
ProJudge: A Multi-Modal Multi-Discipline Benchmark and Instruction-Tuning Dataset for MLLM-based Process Judges
Jiaxin Ai, Pengfei Zhou, Zhaopan Xu, Ming Li, Fanrui Zhang, Zizhen Li, Jianwen Sun, Yukang Feng, Baojin Huang, Zhongyuan Wang, Kaipeng Zhang
•
Mar 9, 2025
•
8
2
ARMOR v0.1: Stärkung des autoregressiven multimodalen Verständnismodells durch verschachtelte multimodale Generierung mittels asymmetrischer Synergie
ARMOR v0.1: Empowering Autoregressive Multimodal Understanding Model with Interleaved Multimodal Generation via Asymmetric Synergy
Jianwen Sun, Yukang Feng, Chuanhao Li, Fanrui Zhang, Zizhen Li, Jiaxin Ai, Sizhuo Zhou, Yu Dai, Shenglin Zhang, Kaipeng Zhang
•
Mar 9, 2025
•
8
2
Von TOWER zu SPIRE: Hinzufügen der Sprachmodalität zu einem rein textbasierten LLM
From TOWER to SPIRE: Adding the Speech Modality to a Text-Only LLM
Kshitij Ambilduke, Ben Peters, Sonal Sannigrahi, Anil Keshwani, Tsz Kin Lam, Bruno Martins, Marcely Zanon Boito, André F. T. Martins
•
Mar 13, 2025
•
7
2
Lernen von Few-Step-Diffusionsmodellen durch Trajektorienverteilungsabgleich
Learning Few-Step Diffusion Models by Trajectory Distribution Matching
Yihong Luo, Tianyang Hu, Jiacheng Sun, Yujun Cai, Jing Tang
•
Mar 9, 2025
•
7
3
TreeMeshGPT: Künstlerische Mesh-Generierung mit autoregressiver Baumsequenzierung
TreeMeshGPT: Artistic Mesh Generation with Autoregressive Tree Sequencing
Stefan Lionar, Jiabin Liang, Gim Hee Lee
•
Mar 14, 2025
•
6
2
MaRI: Material-Retrieval-Integration über Domänen hinweg
MaRI: Material Retrieval Integration across Domains
Jianhui Wang, Zhifei Yang, Yangfan He, Huixiong Zhang, Yuxuan Chen, Jingwei Huang
•
Mar 11, 2025
•
6
2
Können große Reasoning-Modelle analoges Reasoning unter Wahrnehmungsunsicherheit durchführen?
Can Large Reasoning Models do Analogical Reasoning under Perceptual Uncertainty?
Giacomo Camposampiero, Michael Hersche, Roger Wattenhofer, Abu Sebastian, Abbas Rahimi
•
Mar 14, 2025
•
5
2
Cockatiel: Kombination von synthetischem und menschlich präferenzbasiertem Training für detaillierte Videobeschreibung
Cockatiel: Ensembling Synthetic and Human Preferenced Training for Detailed Video Caption
Luozheng Qin, Zhiyu Tan, Mengping Yang, Xiaomeng Yang, Hao Li
•
Mar 12, 2025
•
5
2
Open-World-Fähigkeitsentdeckung aus unsegmentierten Demonstrationen
Open-World Skill Discovery from Unsegmented Demonstrations
Jingwen Deng, Zihao Wang, Shaofei Cai, Anji Liu, Yitao Liang
•
Mar 11, 2025
•
5
3
CHOrD: Erzeugung kollisionsfreier, hausgroßer und organisierter digitaler Zwillinge für 3D-Innenräume mit kontrollierbaren Grundrissen und optimalen Layouts
CHOrD: Generation of Collision-Free, House-Scale, and Organized Digital Twins for 3D Indoor Scenes with Controllable Floor Plans and Optimal Layouts
Chong Su, Yingbin Fu, Zheyuan Hu, Jing Yang, Param Hanji, Shaojun Wang, Xuan Zhao, Cengiz Öztireli, Fangcheng Zhong
•
Mar 15, 2025
•
3
2
GoalFlow: Zielgesteuerte Flussanpassung für die Erzeugung multimodaler Trajektorien im End-to-End autonomen Fahren
GoalFlow: Goal-Driven Flow Matching for Multimodal Trajectories Generation in End-to-End Autonomous Driving
Zebin Xing, Xingyu Zhang, Yang Hu, Bo Jiang, Tong He, Qian Zhang, Xiaoxiao Long, Wei Yin
•
Mar 7, 2025
•
3
2
Gruppenrobustes Maschinelles Verlernen
Group-robust Machine Unlearning
Thomas De Min, Subhankar Roy, Stéphane Lathuilière, Elisa Ricci, Massimiliano Mancini
•
Mar 12, 2025
•
1
2