最近，通过在一些示例中对扩散模型进行微调扩散模型来生成给定概念的图像已被证明成功地生成了给定概念的图像。但是，基于调整的方法固有地倾向于过度构成概念，从而导致未在多种条件下创建概念（例如 ...

在非结构化环境中的机器人操作需要可以跨越各种任务的系统，同时保持稳健和可靠的性能。我们介绍了{GVF-TAPE}，这是一个闭环框架，将生成性视觉远见与任务无关姿势估计结合在一起，以实现可伸缩的机器人操作。 GVF-TAPE采用生成视频模型来预测单个侧视图RGB图像和任务描述的未来RGB-D帧，并提供引导机器人操作的视觉计划 ...

最近的工作证明了深钢筋学习（RL）算法在模拟中学习复杂的机器人行为的能力，包括在多指操作的领域中。但是，由于模拟与现实之间的差距，此类模型将转移到现实世界的挑战。在本文中，我们介绍了培训a）可以在拟人化机器人手上执行强大灵巧操纵的政策，b）适用于提供可靠的实时信息的稳健姿势估计器，以提供有关被操纵的物体状态的可靠实时信息 ...

既可以理解又产生视觉内容的统一多模式大型语言模型（LLM）具有巨大的潜力。但是，现有的开源模型通常会遭受这些功能之间的性能权衡。我们提出了Manzano，这是一个简单且可扩展的统一框架，可通过将混合图像 Token 与精心策划的训练配方耦合，从而大大降低了这种张力 ...

低光对象检测对于许多现实世界应用至关重要，但由于图像质量降低，因此仍然具有挑战性。虽然最近的研究表明，原始图像具有超过RGB图像的优势潜力，但现有方法使用具有信息丢失的RAW-RGB图像或采用复杂的框架。为了解决这些问题，我们提出了一个轻巧和自适应的图像信号处理（ISP）插件Dark-ISP，该插件直接在黑暗环境中处理拜耳原始图像，从而实现无缝的端到端训练以进行对象检测 ...

近年来，图像编辑模型见证了巨大而快速的发展。 GPT-4O和Gemini2 Flash等尖端多模型的最新揭幕引入了非常有前途的图像编辑功能。这些模型表明了满足绝大多数用户驱动的编辑要求的令人印象深刻的才能，这标志着图像操纵领域的显着进步 ...

控制复杂的动态系统通常与在变异微积分框架下具有已知动力学的某些控制目标最小化有关。对于具有未知动态的系统，需要进行动态建模的附加步骤。但是，动态建模中的任何不准确性都将导致最终的控制功能中的次要性 ...

图像操纵方面的最新进展在产生影像含量方面取得了前所未有的进展，同时消除了任意操纵和编辑的障碍，从而引起了对多媒体真实性和网络安全的关注。但是，现有的图像操纵检测和本地化（IMDL）方法论主要集中在剪接或复制移动伪造上，缺乏用于基于介入的操作的专用基准。 To bridge this gap, we present COCOInpaint, a comprehensive benchmark spe ...