月別アーカイブ: 2024年5月

Dynamically Scaled Temperature in Self-Supervised Contrastive Learning

投稿日: 2024年5月13日 作成者: jarxiv

要約 SimCLR、MoCo などの現代の自己監視対比アルゴリズムでは、意味的に … 続きを読む →

カテゴリー: cs.CV, cs.LG | Dynamically Scaled Temperature in Self-Supervised Contrastive Learning はコメントを受け付けていません

Analyzing the Roles of Language and Vision in Learning from Limited Data

投稿日: 2024年5月13日 作成者: jarxiv

要約 言語は視覚的な世界を理解するのに役立ちますか? 世界を言葉で説明するのでは … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG | Analyzing the Roles of Language and Vision in Learning from Limited Data はコメントを受け付けていません

Video ReCap: Recursive Captioning of Hour-Long Videos

投稿日: 2024年5月13日 作成者: jarxiv

要約 ほとんどのビデオキャプションモデルは、数秒の短いビデオクリップを処理し、低 … 続きを読む →

カテゴリー: cs.CV | Video ReCap: Recursive Captioning of Hour-Long Videos はコメントを受け付けていません

Multimodal LLMs Struggle with Basic Visual Network Analysis: a VNA Benchmark

投稿日: 2024年5月13日 作成者: jarxiv

要約 小規模なグラフ上で単純なビジュアル ネットワーク分析 (VNA) タスクを … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV | Multimodal LLMs Struggle with Basic Visual Network Analysis: a VNA Benchmark はコメントを受け付けていません

Federated Document Visual Question Answering: A Pilot Study

投稿日: 2024年5月13日 作成者: jarxiv

要約 文書分析研究の重要なハンディキャップは、文書が著作権で保護されているか、個 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG | Federated Document Visual Question Answering: A Pilot Study はコメントを受け付けていません

NeRFFaceSpeech: One-shot Audio-driven 3D Talking Head Synthesis via Generative Prior

投稿日: 2024年5月13日 作成者: jarxiv

要約 オーディオ主導のトーキング ヘッドの生成は、2D コンテンツから 3D コ … 続きを読む →

カテゴリー: cs.CV | NeRFFaceSpeech: One-shot Audio-driven 3D Talking Head Synthesis via Generative Prior はコメントを受け付けていません

MasterWeaver: Taming Editability and Identity for Personalized Text-to-Image Generation

投稿日: 2024年5月13日 作成者: jarxiv

要約 テキストから画像への (T2I) 拡散モデルは、パーソナライズされたテキス … 続きを読む →

カテゴリー: cs.CV | MasterWeaver: Taming Editability and Identity for Personalized Text-to-Image Generation はコメントを受け付けていません

Free-Moving Object Reconstruction and Pose Estimation with Virtual Camera

投稿日: 2024年5月13日 作成者: jarxiv

要約 単眼のRGBビデオから自由に動く物体を再構成するアプローチを提案します。 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.GR, cs.RO | Free-Moving Object Reconstruction and Pose Estimation with Virtual Camera はコメントを受け付けていません

A Framework of SO(3)-equivariant Non-linear Representation Learning and its Application to Electronic-Structure Hamiltonian Prediction

投稿日: 2024年5月13日 作成者: jarxiv

要約 我々は、深層学習を物理システムに適用する際の重要な課題、つまり、 電子構造 … 続きを読む →

カテゴリー: cs.LG, physics.chem-ph | A Framework of SO(3)-equivariant Non-linear Representation Learning and its Application to Electronic-Structure Hamiltonian Prediction はコメントを受け付けていません

FER-YOLO-Mamba: Facial Expression Detection and Classification Based on Selective State Space

投稿日: 2024年5月13日 作成者: jarxiv

要約 表情認識 (FER) は、人間の感情的な手がかりを理解する上で極めて重要な … 続きを読む →

カテゴリー: cs.CV | FER-YOLO-Mamba: Facial Expression Detection and Classification Based on Selective State Space はコメントを受け付けていません