「cs.CV」カテゴリーアーカイブ

DAE-Talker: High Fidelity Speech-Driven Talking Face Generation with Diffusion Autoencoder

投稿日: 2024年12月3日 作成者: jarxiv

要約 最近の研究により、音声による話し顔の生成は大幅に進歩しましたが、生成された … 続きを読む →

カテゴリー: cs.CV, cs.MM | DAE-Talker: High Fidelity Speech-Driven Talking Face Generation with Diffusion Autoencoder はコメントを受け付けていません

ARTIST: Improving the Generation of Text-rich Images with Disentangled Diffusion Models and Large Language Models

投稿日: 2024年12月3日 作成者: jarxiv

要約 拡散モデルは、広範囲のビジュアル コンテンツを生成する際に優れた機能を実証 … 続きを読む →

カテゴリー: cs.CV | ARTIST: Improving the Generation of Text-rich Images with Disentangled Diffusion Models and Large Language Models はコメントを受け付けていません

Object-Size-Driven Design of Convolutional Neural Networks: Virtual Axle Detection based on Raw Data

投稿日: 2024年12月3日 作成者: jarxiv

要約 インフラストラクチャが老朽化するにつれて、効率的な監視方法の必要性がますま … 続きを読む →

カテゴリー: cs.CV | Object-Size-Driven Design of Convolutional Neural Networks: Virtual Axle Detection based on Raw Data はコメントを受け付けていません

Image Statistics Predict the Sensitivity of Perceptual Quality Metrics

投稿日: 2024年12月3日 作成者: jarxiv

要約 以前、バーローとアトニーブは、生物学的視覚と情報の最大化との間に関連性があ … 続きを読む →

カテゴリー: cs.CV, cs.LG, q-bio.NC | Image Statistics Predict the Sensitivity of Perceptual Quality Metrics はコメントを受け付けていません

Improved Multi-Task Brain Tumour Segmentation with Synthetic Data Augmentation

投稿日: 2024年12月3日 作成者: jarxiv

要約 このペーパーでは、BraTS チャレンジのタスク 1 の優勝ソリューション … 続きを読む →

カテゴリー: cs.CV, cs.LG | Improved Multi-Task Brain Tumour Segmentation with Synthetic Data Augmentation はコメントを受け付けていません

Anticipating Object State Changes in Long Procedural Videos

投稿日: 2024年12月3日 作成者: jarxiv

要約 この研究では、(a) 手続き中の画像やビデオにおけるオブジェクトの状態変化 … 続きを読む →

カテゴリー: cs.CV | Anticipating Object State Changes in Long Procedural Videos はコメントを受け付けていません

Real-time Transformer-based Open-Vocabulary Detection with Efficient Fusion Head

投稿日: 2024年12月3日 作成者: jarxiv

要約 エンドツーエンドのトランスフォーマーベース検出器 (DETR) は、言語モ … 続きを読む →

カテゴリー: cs.CL, cs.CV | Real-time Transformer-based Open-Vocabulary Detection with Efficient Fusion Head はコメントを受け付けていません

An Architectural Approach to Enhance Deep Long-Tailed Learning

投稿日: 2024年12月3日 作成者: jarxiv

要約 深いロングテール認識は、現実世界のシナリオにおける不均衡なデータ分布の問題 … 続きを読む →

カテゴリー: cs.AI, cs.CV | An Architectural Approach to Enhance Deep Long-Tailed Learning はコメントを受け付けていません

Revisiting MAE pre-training for 3D medical image segmentation

投稿日: 2024年12月3日 作成者: jarxiv

要約 自己教師あり学習 (SSL) は、ラベル付きデータの不足に悩まされているさ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG | Revisiting MAE pre-training for 3D medical image segmentation はコメントを受け付けていません

VQA$^2$: Visual Question Answering for Video Quality Assessment

投稿日: 2024年12月3日 作成者: jarxiv

要約 大規模マルチモーダル モデル (LMM) の出現と普及により、コンピュータ … 続きを読む →

カテゴリー: cs.AI, cs.CV | VQA$^2$: Visual Question Answering for Video Quality Assessment はコメントを受け付けていません