-
最近の投稿
- Adaptive Target Localization under Uncertainty using Multi-Agent Deep Reinforcement Learning with Knowledge Transfer
- Factor Graph-Based Active SLAM for Spacecraft Proximity Operations
- VIEW: Visual Imitation Learning with Waypoints
- Front Hair Styling Robot System Using Path Planning for Root-Centric Strand Adjustment
- Audio Array-Based 3D UAV Trajectory Estimation with LiDAR Pseudo-Labeling
-
最近のコメント
表示できるコメントはありません。 cs.AI (32521) cs.CL (24587) cs.CR (2516) cs.CV (38727) cs.LG (37397) cs.RO (18958) cs.SY (2900) eess.IV (4641) eess.SY (2894) stat.ML (4935)
「cs.MM」カテゴリーアーカイブ
SMPLest-X: Ultimate Scaling for Expressive Human Pose and Shape Estimation
要約 表情豊かな人間の姿勢と形状の推定 (EHPS) は、体、手、顔のモーション … 続きを読む
CLIP-PCQA: Exploring Subjective-Aligned Vision-Language Modeling for Point Cloud Quality Assessment
要約 近年、無参照点群品質評価 (NR-PCQA) 研究は大きな進歩を遂げていま … 続きを読む
Robust Change Captioning in Remote Sensing: SECOND-CC Dataset and MModalCC Framework
要約 リモート センシング変化キャプション (RSICC) は、両時間画像間の変 … 続きを読む
Frechet Music Distance: A Metric For Generative Symbolic Music Evaluation
要約 この論文では、コンピューター ビジョンの Frechet Inceptio … 続きを読む
Metric Learning with Progressive Self-Distillation for Audio-Visual Embedding Learning
要約 メトリクス学習はサンプルを埋め込み空間に投影し、そこで学習された表現に基づ … 続きを読む
Multimodal LLMs Can Reason about Aesthetics in Zero-Shot
要約 我々は、芸術作品の美しさを評価するためにマルチモーダルLLM（MLLM）の … 続きを読む
Audio-visual Deepfake Detection With Local Temporal Inconsistencies
要約 この論文では、オーディオとビジュアルのモダリティ間のきめ細かい時間的不一致 … 続きを読む
Audio-CoT: Exploring Chain-of-Thought Reasoning in Large Audio Language Model
要約 Large Audio-Language Model (LALM) は、音 … 続きを読む
The Sound of Water: Inferring Physical Properties from Pouring Liquids
要約 私たちは、視聴覚観察と、液体を注ぐという平凡だが興味深い日常活動の基礎とな … 続きを読む