「cs.MM」カテゴリーアーカイブ

Stable-V2A: Synthesis of Synchronized Sound Effects with Temporal and Semantic Controls

投稿日: 2024年12月20日 作成者: jarxiv

要約 サウンド デザイナーやフォーリー アーティストは通常​​、ビデオ内の関心の … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | コメントする

Prompt-A-Video: Prompt Your Video Diffusion Model via Preference-Aligned LLM

投稿日: 2024年12月20日 作成者: jarxiv

要約 テキストからビデオへのモデルは、高品質のテキストとビデオのペアの最適化を通 … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | コメントする

Real-Time Position-Aware View Synthesis from Single-View Input

投稿日: 2024年12月19日 作成者: jarxiv

要約 ビュー合成の最近の進歩により、テレプレゼンスやエンターテイメントを含む、さ … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.MM | コメントする

SurgSora: Decoupled RGBD-Flow Diffusion Model for Controllable Surgical Video Generation

投稿日: 2024年12月19日 作成者: jarxiv

要約 医療ビデオの生成には、正確で制御可能な視覚表現を通じて、外科の理解と病理の … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.RO | コメントする

A Review of Multimodal Explainable Artificial Intelligence: Past, Present and Future

投稿日: 2024年12月19日 作成者: jarxiv

要約 人工知能 (AI) は、計算能力の進歩と大規模なデータセットの増加によって … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | コメントする

AKiRa: Augmentation Kit on Rays for optical video generation

投稿日: 2024年12月19日 作成者: jarxiv

要約 テキスト条件付きビデオの普及における最近の進歩により、ビデオの品質は大幅に … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | コメントする

Flight Patterns for Swarms of Drones

投稿日: 2024年12月18日 作成者: jarxiv

要約 ドローンの群れが 1 つ以上の開口部を衝突せずに通過するための飛行パターン … 続きを読む →

カテゴリー: cs.ET, cs.MM, cs.RO | コメントする

A Benchmark and Robustness Study of In-Context-Learning with Large Language Models in Music Entity Detection

投稿日: 2024年12月17日 作成者: jarxiv

要約 曲のタイトルやアーティスト名などの音楽エンティティの検出は、音楽検索クエリ … 続きを読む →

カテゴリー: cs.CL, cs.MM | コメントする

Wills Aligner: Multi-Subject Collaborative Brain Visual Decoding

投稿日: 2024年12月17日 作成者: jarxiv

要約 人間の脳活動から視覚情報を解読することは、最近の研究で目覚ましい進歩を遂げ … 続きを読む →

カテゴリー: cs.CV, cs.MM | コメントする

IRR: Image Review Ranking Framework for Evaluating Vision-Language Models

投稿日: 2024年12月17日 作成者: jarxiv

要約 大規模ビジョン言語モデル (LVLM) は、画像とテキストの両方を処理し、 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | コメントする