月別アーカイブ: 2024年6月

Multimodal Contextualized Semantic Parsing from Speech

投稿日: 2024年6月11日 作成者: jarxiv

要約 マルチモーダル入力を以前のコンテキストと統合することで人工エージェントのコ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.HC, cs.LG, cs.SD, eess.AS | Multimodal Contextualized Semantic Parsing from Speech はコメントを受け付けていません

VCR: Visual Caption Restoration

投稿日: 2024年6月11日 作成者: jarxiv

要約 私たちは、画像内のピクセルレベルのヒントを使用して、部分的に隠れたテキスト … 続きを読む →

カテゴリー: cs.CV, cs.LG | VCR: Visual Caption Restoration はコメントを受け付けていません

AID: Adapting Image2Video Diffusion Models for Instruction-guided Video Prediction

投稿日: 2024年6月11日 作成者: jarxiv

要約 テキストガイド付きビデオ予測 (TVP) には、指示に従って最初のフレーム … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | AID: Adapting Image2Video Diffusion Models for Instruction-guided Video Prediction はコメントを受け付けていません

Active Neural 3D Reconstruction with Colorized Surface Voxel-based View Selection

投稿日: 2024年6月11日 作成者: jarxiv

要約 3D シーンの再構成におけるアクティブ ビューの選択は、再構成には有益なビ … 続きを読む →

カテゴリー: cs.AI, cs.CV | Active Neural 3D Reconstruction with Colorized Surface Voxel-based View Selection はコメントを受け付けていません

Direct Preference Optimization for Suppressing Hallucinated Prior Exams in Radiology Report Generation

投稿日: 2024年6月11日 作成者: jarxiv

要約 生成視覚言語モデル (VLM) の最近の進歩は、放射線医学における AI … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG | Direct Preference Optimization for Suppressing Hallucinated Prior Exams in Radiology Report Generation はコメントを受け付けていません

NarrativeBridge: Enhancing Video Captioning with Causal-Temporal Narrative

投稿日: 2024年6月11日 作成者: jarxiv

要約 既存のビデオキャプションベンチマークとモデルには、因果関係を介してリンクさ … 続きを読む →

カテゴリー: cs.CV, cs.HC | NarrativeBridge: Enhancing Video Captioning with Causal-Temporal Narrative はコメントを受け付けていません

An unsupervised approach towards promptable defect segmentation in laser-based additive manufacturing by Segment Anything

投稿日: 2024年6月11日 作成者: jarxiv

要約 財団モデルは現在、生物学、天文学、ロボット工学などのさまざまな分野のコンピ … 続きを読む →

カテゴリー: cs.CV | An unsupervised approach towards promptable defect segmentation in laser-based additive manufacturing by Segment Anything はコメントを受け付けていません

BloomVQA: Assessing Hierarchical Multi-modal Comprehension

投稿日: 2024年6月11日 作成者: jarxiv

要約 我々は、理解タスクに関する大規模な視覚言語モデルの包括的な評価を容易にする … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG | BloomVQA: Assessing Hierarchical Multi-modal Comprehension はコメントを受け付けていません

Improving Alignment and Robustness with Circuit Breakers

投稿日: 2024年6月11日 作成者: jarxiv

要約 AI システムは有害な動作を行う可能性があり、敵対的な攻撃に対して非常に脆 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.CY, cs.LG | Improving Alignment and Robustness with Circuit Breakers はコメントを受け付けていません

Monkey See, Monkey Do: Harnessing Self-attention in Motion Diffusion for Zero-shot Motion Transfer

投稿日: 2024年6月11日 作成者: jarxiv

要約 拡散モデルを使用したモーション合成の顕著な結果を考えると、自然な疑問が生じ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.GR | Monkey See, Monkey Do: Harnessing Self-attention in Motion Diffusion for Zero-shot Motion Transfer はコメントを受け付けていません