「cs.MM」カテゴリーアーカイブ

DeSRA: Detect and Delete the Artifacts of GAN-based Real-World Super-Resolution Models

投稿日: 2023年7月6日 作成者: jarxiv

要約 敵対的生成ネットワーク (GAN) を使用した画像超解像度 (SR) は、 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | DeSRA: Detect and Delete the Artifacts of GAN-based Real-World Super-Resolution Models はコメントを受け付けていません

SPAE: Semantic Pyramid AutoEncoder for Multimodal Generation with Frozen LLMs

投稿日: 2023年7月4日 作成者: jarxiv

要約 本研究では、画像や動画などの非言語的モダリティを含む理解・生成タスクをフロ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | SPAE: Semantic Pyramid AutoEncoder for Multimodal Generation with Frozen LLMs はコメントを受け付けていません

SPAE: Semantic Pyramid AutoEncoder for Multimodal Generation with Frozen LLMs

投稿日: 2023年7月3日 作成者: jarxiv

要約 この研究では、凍結された LLM が画像やビデオなどの非言語モダリティを含 … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | SPAE: Semantic Pyramid AutoEncoder for Multimodal Generation with Frozen LLMs はコメントを受け付けていません

$\mathbf{C}^2$Former: Calibrated and Complementary Transformer for RGB-Infrared Object Detection

投稿日: 2023年6月29日 作成者: jarxiv

要約 可視 (RGB) および赤外線 (IR) 画像での物体検出は、24 時間ア … 続きを読む →

カテゴリー: cs.CV, cs.MM | $\mathbf{C}^2$Former: Calibrated and Complementary Transformer for RGB-Infrared Object Detection はコメントを受け付けていません

Learning to Pan-sharpening with Memories of Spatial Details

投稿日: 2023年6月29日 作成者: jarxiv

要約 パンシャープニングは、リモート センシング システムで最も一般的に使用され … 続きを読む →

カテゴリー: cs.CV, cs.MM, eess.IV | Learning to Pan-sharpening with Memories of Spatial Details はコメントを受け付けていません

High-Modality Multimodal Transformer: Quantifying Modality & Interaction Heterogeneity for High-Modality Representation Learning

投稿日: 2023年6月29日 作成者: jarxiv

要約 現実世界の問題の多くは、人間がコミュニケーションに使用する話し言葉、ジェス … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | High-Modality Multimodal Transformer: Quantifying Modality & Interaction Heterogeneity for High-Modality Representation Learning はコメントを受け付けていません

MultiZoo & MultiBench: A Standardized Toolkit for Multimodal Deep Learning

投稿日: 2023年6月29日 作成者: jarxiv

要約 マルチモーダル表現の学習には、複数の異種データ ソースからの情報を統合する … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | MultiZoo & MultiBench: A Standardized Toolkit for Multimodal Deep Learning はコメントを受け付けていません

Cross-Attention is Not Enough: Incongruity-Aware Hierarchical Multimodal Sentiment Analysis and Emotion Recognition

投稿日: 2023年6月28日 作成者: jarxiv

要約 感情的なコンピューティング タスクに複数のモダリティを融合することは、パフ … 続きを読む →

カテゴリー: cs.CL, cs.MM, eess.AS, eess.IV | Cross-Attention is Not Enough: Incongruity-Aware Hierarchical Multimodal Sentiment Analysis and Emotion Recognition はコメントを受け付けていません

Movie101: A New Movie Understanding Benchmark

投稿日: 2023年6月28日 作成者: jarxiv

要約 視覚障害者が映画を楽しめるよう、自動映画ナレーション システムは、俳優のセ … 続きを読む →

カテゴリー: cs.CV, cs.MM | Movie101: A New Movie Understanding Benchmark はコメントを受け付けていません

You Can Mask More For Extremely Low-Bitrate Image Compression

投稿日: 2023年6月28日 作成者: jarxiv

要約 学習済み画像圧縮 (LIC) 手法は、近年大幅な進歩を遂げています。 ただ … 続きを読む →

カテゴリー: cs.CV, cs.MM, eess.IV | You Can Mask More For Extremely Low-Bitrate Image Compression はコメントを受け付けていません