Robin Schmidt
収録論文 2本 ・ フィジカルAI/ロボット学習
VLAマルチタスク認識
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 蒸留とRGB-D Transformerによる高密度視覚埋め込みの効率的予測VLA2026/1/1
Alpha-CLIPの教師埋め込みを蒸留し、RGB-D画像からピクセル単位のテキスト対応視覚埋め込みをリアルタイムで予測するDVEFormerを提案。
- RGB-D Transformerによる効率的なマルチタスクシーン解析マルチタスク認識2023/6/1
RGBと深度を単一のTransformerエンコーダに統合し、パノプティックセグメンテーション・向き推定・シーン分類を同時に行うEMS AFormerを提案。TensorRT拡張でJetson上最大39.1FPSを実現。
