すべての人に一次情報を
Hexels（ヘクセル）は、平面上の六角形領域に1次の色場を持つ新しい構成要素で、従来の四角形パッチを置き換えることでメモリと計算コストを削減します。\n\nこのプロセスは、滑らかな外観を持つ局所平面領域を大きな六角形プリミティブにまとめるという手法に基づいています。各Hexel
モバイルデバイスで動作する画像生成モデルと編集モデルを評価するために、MoI‑Benchというベンチマークが発表された。 MoI‑Benchは、16種類の操作（削除・置換など）と8つの視覚対象（ポートレートやテキストなど）に沿って64のサブタスクと1,150のサンプルから構成され
研究者は、サーブプレイヤーが装着したカメラで85ラリーを撮影し、53,155枠の動画フレームを収集した。このデータは5台の外部カメラと同期され、球とプレイヤーの3D位置を多くの場合把握できる。 全てのフレームに対して、3D球軌跡・2Dコートフレーム内のプレイヤー軌跡・ショット種別
ARENAは、可変数の活動域切り出しから24時間以内のM級・X級フレア（M+）発生を予測し、予測に寄与する活動域を注意重みとして示します。時間的に保持した2017–2024年のテストセットでの中央値HSSは0.45でした。ARENAは注意（attention）に基づくニューラルネ
研究の主な発見は、術前の磁気共鳴（MR）画像から学んだ腫瘍外観を術中のCTに転送することで、ペアとなるMR–CT訓練画像がなくても肝細胞がん（HCC）の局在を行える点です。これは弱教師あり（粗いラベルや弱い信号を用いる学習）の枠組みで示されました。 (F1) 手法の要点は次のとお
主要発見：FlexPartは、まばらな点、境界ボックス、マスクといった異なる粒度の幾何条件を一つのDiffusion Transformer（DiT）に統合し、学習済みモデルで柔軟に部品制御できるようにしたフレームワークです。統合はゲート付き適応モジュレーション（Gated Ad
MVLoMaは、LoMaを画像ペアから複数視点へ拡張した疎なスターグラフ局所対応器です。ペアごとの対応を独立に適用すると参照側の計算が重複し、残りの観測から得られる補完的なマルチビュー幾何学的証拠を利用できなくなりますが、MVLoMaはこの課題に対処します。 (F1) 手法はまず
DewHandは、エゴセントリック動画から世界座標（ワールド空間）での手の動きとカメラ動作を直接かつ同時に復元する単一モデルです。 手法は単一段階のパイプラインで、手とカメラの動きを共通のワールド座標系で同時に予測します。これにより、手とカメラを別々に推定する多段階処理で生じる誤
GuidedSAM‑Plumeは、火山プルーム（噴煙や噴煙雲）と雲の対話的な画像セグメンテーション向けに設計されたオープンソースの専門家支援フレームワークです。 本フレームワークはSAM2のゼロショットかつ空間プロンプトに基づく機能を活用し、タスク固有の再学習を必要としない点が特
研究の要旨 マルチモーダル大型言語モデル（MLLMs）は、画像と言語を組み合わせて処理できるため、画像理解の助けになる一方で、「言語による先入観（language priors）」が視覚的な証拠を上書きしてしまい、正しい視覚判断を妨げることがある――そんな問題を扱った研究が発表さ