「cs.MM」カテゴリーアーカイブ

Question-Answering Dense Video Events

投稿日: 2024年9月10日 作成者: jarxiv

要約 マルチモーダル大規模言語モデル (MLLM) は、単一イベント ビデオの質 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | Question-Answering Dense Video Events はコメントを受け付けていません

Question-Answering Dense Video Events

投稿日: 2024年9月9日 作成者: jarxiv

要約 マルチモーダル大規模言語モデル (MLLM) は、単一イベント ビデオの質 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | Question-Answering Dense Video Events はコメントを受け付けていません

HiSC4D: Human-centered interaction and 4D Scene Capture in Large-scale Space Using Wearable IMUs and LiDAR

投稿日: 2024年9月9日 作成者: jarxiv

要約 大規模な屋内と屋外のシーン、多様な人間の動き、豊かな人間と人間の相互作用、 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.GR, cs.MM | HiSC4D: Human-centered interaction and 4D Scene Capture in Large-scale Space Using Wearable IMUs and LiDAR はコメントを受け付けていません

LAR-IQA: A Lightweight, Accurate, and Robust No-Reference Image Quality Assessment Model

投稿日: 2024年9月9日 作成者: jarxiv

要約 深層学習技術を使用した非参照画像品質評価 (NR-IQA) 分野の最近の進 … 続きを読む →

カテゴリー: cs.CV, cs.MM, eess.IV | LAR-IQA: A Lightweight, Accurate, and Robust No-Reference Image Quality Assessment Model はコメントを受け付けていません

MSLIQA: Enhancing Learning Representations for Image Quality Assessment through Multi-Scale Learning

投稿日: 2024年9月9日 作成者: jarxiv

要約 非参照画像品質評価 (NR-IQA) は、歪みの多様性と注釈付きの大規模な … 続きを読む →

カテゴリー: cs.CV, cs.MM | MSLIQA: Enhancing Learning Representations for Image Quality Assessment through Multi-Scale Learning はコメントを受け付けていません

SegTalker: Segmentation-based Talking Face Generation with Mask-guided Local Editing

投稿日: 2024年9月6日 作成者: jarxiv

要約 オーディオ駆動の話し顔生成は、入力オーディオに同期した唇の動きを伴うビデオ … 続きを読む →

カテゴリー: cs.CV, cs.MM | SegTalker: Segmentation-based Talking Face Generation with Mask-guided Local Editing はコメントを受け付けていません

PoseTalk: Text-and-Audio-based Pose Control and Motion Refinement for One-Shot Talking Head Generation

投稿日: 2024年9月5日 作成者: jarxiv

要約 以前のオーディオ駆動型トーキングヘッド生成 (THG) 方法は、駆動オーデ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | PoseTalk: Text-and-Audio-based Pose Control and Motion Refinement for One-Shot Talking Head Generation はコメントを受け付けていません

ExpLLM: Towards Chain of Thought for Facial Expression Recognition

投稿日: 2024年9月5日 作成者: jarxiv

要約 表情認識 (FER) は、さまざまなドメインに重大な影響を与えるマルチメデ … 続きを読む →

カテゴリー: cs.CV, cs.MM | ExpLLM: Towards Chain of Thought for Facial Expression Recognition はコメントを受け付けていません

LongLLaVA: Scaling Multi-modal LLMs to 1000 Images Efficiently via Hybrid Architecture

投稿日: 2024年9月5日 作成者: jarxiv

要約 マルチモーダル大規模言語モデル (MLLM) のロングコンテキスト機能を拡 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | LongLLaVA: Scaling Multi-modal LLMs to 1000 Images Efficiently via Hybrid Architecture はコメントを受け付けていません

Show Me the World in My Language: Establishing the First Baseline for Scene-Text to Scene-Text Translation

投稿日: 2024年9月4日 作成者: jarxiv

要約 本研究では、シーンテキストをソース言語（例えばヒンディー語）からターゲット … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | Show Me the World in My Language: Establishing the First Baseline for Scene-Text to Scene-Text Translation はコメントを受け付けていません