Tag
3 件の関連記事
Yiwen Chen氏らの研究チームは2026年8月18日(現地時間)、オンライン学術論文リポジトリ「arXiv cs.CV」に掲載された論文で、新たな3Dリライティングフレームワーク「LumiTokens」を提案したと見られる。従来の3Dリライティング手法が新しい照明条件ごとに完全な再計算を必要とするのに対し、LumiTokensは3Dリライティングを潜在的なシーントークンへの直接変換として定式化していると説明されている。この手法は、明示的な3D表現やレンダリング方程式、物理ベースの分解を必要としない点を特徴とする。
Appleは2026年8月(現地時間)、マルチモーダル大規模言語モデル（MLLM）におけるアラインメントに関する包括的な研究を発表した。大規模言語モデル（LLM）の性能向上に不可欠な選好アラインメントについて、MLLMでの影響はこれまで十分に探求されてこなかった。本研究は、MLLMが画像理解タスクで直面するハルシネーション（誤った情報の生成）などの課題に対し、モデルの応答を画像情報により正確に一致させることを目的とする。特に、追加のアノテーションや外部モデルを必要としない新しいマルチモーダル選好データ作成手法「Bias-Driven Hallucination Sampling (BDHS)」を導入し、エッジデバイスでのMLLM実用化への道を拓く可能性を示唆している。
arXiv cs.CVは2026年7月16日(現地時間)、「SeeSE3: Emergence of 3D Space in Vision Features」と題する論文を発表した。本研究は、vision foundation modelsが3Dユークリッド空間の固有特性を反映した表現を構築するかを調査し、視覚特徴空間の構造とユークリッド変換群SE(3)の関係性を検証。新たな評価プローブを提案し、self-supervised vision modelsが3次元ユークリッド空間と強く相関する潜在部分空間を持つことを示唆した。