月別アーカイブ: 2024年2月

A Transformer Model for Boundary Detection in Continuous Sign Language

投稿日: 2024年2月23日 作成者: jarxiv

要約 近年、手話言語認識 (SLR)、特に分離手話認識 (ISLR) に比べて複 … 続きを読む →

カテゴリー: cs.CV | A Transformer Model for Boundary Detection in Continuous Sign Language はコメントを受け付けていません

Deep hybrid model with satellite imagery: how to combine demand modeling and computer vision for behavior analysis?

投稿日: 2024年2月23日 作成者: jarxiv

要約 古典的な需要モデリングは、高次元の都市画像ではなく、低次元の数値データ ( … 続きを読む →

カテゴリー: cs.CV, cs.LG, econ.GN, q-fin.EC | Deep hybrid model with satellite imagery: how to combine demand modeling and computer vision for behavior analysis? はコメントを受け付けていません

Zero-Shot Pediatric Tuberculosis Detection in Chest X-Rays using Self-Supervised Learning

投稿日: 2024年2月23日 作成者: jarxiv

要約 結核（TB）は依然として世界的な健康上の重大な課題であり、小児の症例が大き … 続きを読む →

カテゴリー: cs.CV, eess.IV | Zero-Shot Pediatric Tuberculosis Detection in Chest X-Rays using Self-Supervised Learning はコメントを受け付けていません

DualFocus: Integrating Macro and Micro Perspectives in Multi-modal Large Language Models

投稿日: 2024年2月23日 作成者: jarxiv

要約 我々は、視覚言語タスクのパフォーマンスを向上させるために、マルチモーダル大 … 続きを読む →

カテゴリー: cs.CV | DualFocus: Integrating Macro and Micro Perspectives in Multi-modal Large Language Models はコメントを受け付けていません

Customize-A-Video: One-Shot Motion Customization of Text-to-Video Diffusion Models

投稿日: 2024年2月23日 作成者: jarxiv

要約 画像のカスタマイズは、テキストから画像への (T2I) 拡散モデルで広範囲 … 続きを読む →

カテゴリー: cs.CV | Customize-A-Video: One-Shot Motion Customization of Text-to-Video Diffusion Models はコメントを受け付けていません

Consolidating Attention Features for Multi-view Image Editing

投稿日: 2024年2月23日 作成者: jarxiv

要約 大規模なテキストから画像へのモデルにより、テキスト プロンプトや空間コント … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.LG | Consolidating Attention Features for Multi-view Image Editing はコメントを受け付けていません

CyberDemo: Augmenting Simulated Human Demonstration for Real-World Dexterous Manipulation

投稿日: 2024年2月23日 作成者: jarxiv

要約 Cyber​​Demo を紹介します。これは、現実世界のタスクに対して人間 … 続きを読む →

カテゴリー: cs.CV, cs.RO | CyberDemo: Augmenting Simulated Human Demonstration for Real-World Dexterous Manipulation はコメントを受け付けていません

Snap Video: Scaled Spatiotemporal Transformers for Text-to-Video Synthesis

投稿日: 2024年2月23日 作成者: jarxiv

要約 画像を生成するための現代のモデルは、驚くべき品質と多用途性を示しています。 … 続きを読む →

カテゴリー: cs.AI, cs.CV | Snap Video: Scaled Spatiotemporal Transformers for Text-to-Video Synthesis はコメントを受け付けていません

Measuring Multimodal Mathematical Reasoning with MATH-Vision Dataset

投稿日: 2024年2月23日 作成者: jarxiv

要約 大規模マルチモーダル モデル (LMM) の最近の進歩により、MathVi … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, math.HO | Measuring Multimodal Mathematical Reasoning with MATH-Vision Dataset はコメントを受け付けていません

AesFA: An Aesthetic Feature-Aware Arbitrary Neural Style Transfer

投稿日: 2024年2月23日 作成者: jarxiv

要約 ニューラル スタイル トランスファー (NST) は近年大幅に進化しました … 続きを読む →

カテゴリー: cs.AI, cs.CV | AesFA: An Aesthetic Feature-Aware Arbitrary Neural Style Transfer はコメントを受け付けていません