「cs.MM」カテゴリーアーカイブ

DiffTAD: Temporal Action Detection with Proposal Denoising Diffusion

投稿日: 2023年7月17日 作成者: jarxiv

要約 我々は、ノイズ除去拡散を備えた時間的アクション検出 (TAD) の新しい定 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | DiffTAD: Temporal Action Detection with Proposal Denoising Diffusion はコメントを受け付けていません

GEmo-CLAP: Gender-Attribute-Enhanced Contrastive Language-Audio Pretraining for Speech Emotion Recognition

投稿日: 2023年7月14日 作成者: jarxiv

要約 対照学習ベースの事前トレーニング方法は、最近、さまざまな分野で目覚ましい成 … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | GEmo-CLAP: Gender-Attribute-Enhanced Contrastive Language-Audio Pretraining for Speech Emotion Recognition はコメントを受け付けていません

Contrastive Video Question Answering via Video Graph Transformer

投稿日: 2023年7月12日 作成者: jarxiv

要約 私たちは、ビデオ グラフ トランスフォーマー モデル (CoVGT) を介 … 続きを読む →

カテゴリー: cs.CV, cs.MM | Contrastive Video Question Answering via Video Graph Transformer はコメントを受け付けていません

GEmo-CLAP: Gender-Attribute-Enhanced Contrastive Language-Audio Pretraining for Speech Emotion Recognition

投稿日: 2023年7月11日 作成者: jarxiv

要約 対照学習ベースの事前トレーニング方法は、最近、さまざまな分野で目覚ましい成 … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | GEmo-CLAP: Gender-Attribute-Enhanced Contrastive Language-Audio Pretraining for Speech Emotion Recognition はコメントを受け付けていません

FILM: How can Few-Shot Image Classification Benefit from Pre-Trained Language Models?

投稿日: 2023年7月11日 作成者: jarxiv

要約 フューショット学習は、わずかなサンプルのみで新しいクラスに一般化できるモデ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | FILM: How can Few-Shot Image Classification Benefit from Pre-Trained Language Models? はコメントを受け付けていません

SAS Video-QA: Self-Adaptive Sampling for Efficient Video Question-Answering

投稿日: 2023年7月11日 作成者: jarxiv

要約 ビデオの質問と回答は、ビデオ理解の分野における基本的なタスクです。 Vid … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | SAS Video-QA: Self-Adaptive Sampling for Efficient Video Question-Answering はコメントを受け付けていません

Divide, Evaluate, and Refine: Evaluating and Improving Text-to-Image Alignment with Iterative VQA Feedback

投稿日: 2023年7月11日 作成者: jarxiv

要約 テキスト条件付き画像生成の分野は、潜在拡散モデルの最近の出現により、比類の … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM, stat.ML | Divide, Evaluate, and Refine: Evaluating and Improving Text-to-Image Alignment with Iterative VQA Feedback はコメントを受け付けていません

MultiVENT: Multilingual Videos of Events with Aligned Natural Text

投稿日: 2023年7月7日 作成者: jarxiv

要約 日常のニュース報道は、従来の放送から直接の未編集のビデオ映像などの幅広いプ … 続きを読む →

カテゴリー: cs.CV, cs.IR, cs.MM | MultiVENT: Multilingual Videos of Events with Aligned Natural Text はコメントを受け付けていません

Artificial ASMR: A Cyber-Psychological Approach

投稿日: 2023年7月6日 作成者: jarxiv

要約 ASMR (Autonomous Sensory Meridian Res … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS, eess.SP | Artificial ASMR: A Cyber-Psychological Approach はコメントを受け付けていません

MAE-DFER: Efficient Masked Autoencoder for Self-supervised Dynamic Facial Expression Recognition

投稿日: 2023年7月6日 作成者: jarxiv

要約 動的表情認識 (DFER) は、インテリジェントで共感力のあるマシンの開発 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.HC, cs.MM | MAE-DFER: Efficient Masked Autoencoder for Self-supervised Dynamic Facial Expression Recognition はコメントを受け付けていません