「cs.MM」カテゴリーアーカイブ

Occ-BEV: Multi-Camera Unified Pre-training via 3D Scene Reconstruction

投稿日: 2023年6月8日 作成者: jarxiv

要約 マルチカメラ 3D 認識は、自動運転における著名な研究分野として浮上してお … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.RO | Occ-BEV: Multi-Camera Unified Pre-training via 3D Scene Reconstruction はコメントを受け付けていません

An Overview of Challenges in Egocentric Text-Video Retrieval

投稿日: 2023年6月8日 作成者: jarxiv

要約 テキストビデオの検索には、さまざまな情報源から来るバイアスなど、さまざまな … 続きを読む →

カテゴリー: cs.CV, cs.IR, cs.MM | An Overview of Challenges in Egocentric Text-Video Retrieval はコメントを受け付けていません

Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark

投稿日: 2023年6月7日 作成者: jarxiv

要約 この論文では、MALS と呼ばれる、テキストベースの人物検索のための大規模 … 続きを読む →

カテゴリー: cs.CV, cs.MM | Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark はコメントを受け付けていません

Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark

投稿日: 2023年6月6日 作成者: jarxiv

要約 本論文では、テキストベースの人物検索のための大規模なMulti-Attri … 続きを読む →

カテゴリー: cs.CV, cs.MM | Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark はコメントを受け付けていません

MAMO: Masked Multimodal Modeling for Fine-Grained Vision-Language Representation Learning

投稿日: 2023年6月6日 作成者: jarxiv

要約 マルチモーダル表現学習は、様々な視覚-言語タスクにおいて有望な改善策を示し … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.MM | MAMO: Masked Multimodal Modeling for Fine-Grained Vision-Language Representation Learning はコメントを受け付けていません

Occ-BEV: Multi-Camera Unified Pre-training via 3D Scene Reconstruction

投稿日: 2023年5月31日 作成者: jarxiv

要約 マルチカメラ 3D 認識は、自動運転における著名な研究分野として浮上してお … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.RO | Occ-BEV: Multi-Camera Unified Pre-training via 3D Scene Reconstruction はコメントを受け付けていません

On Evaluating Adversarial Robustness of Large Vision-Language Models

投稿日: 2023年5月29日 作成者: jarxiv

要約 GPT-4 などの大規模ビジョン言語モデル (VLM) は、応答生成、特に … 続きを読む →

カテゴリー: cs.CL, cs.CR, cs.CV, cs.LG, cs.MM | On Evaluating Adversarial Robustness of Large Vision-Language Models はコメントを受け付けていません

StereoVAE: A lightweight stereo matching system through embedded GPUs

投稿日: 2023年5月26日 作成者: jarxiv

要約 組み込み GPU を使用したステレオ マッチングのための軽量システムを紹介 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.RO | StereoVAE: A lightweight stereo matching system through embedded GPUs はコメントを受け付けていません

EMNS /Imz/ Corpus: An emotive single-speaker dataset for narrative storytelling in games, television and graphic novels

投稿日: 2023年5月26日 作成者: jarxiv

要約 テキスト読み上げ技術の採用の増加により、会話の文脈や感情的な調子に適応する … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.MM | EMNS /Imz/ Corpus: An emotive single-speaker dataset for narrative storytelling in games, television and graphic novels はコメントを受け付けていません

ChatBridge: Bridging Modalities with Large Language Model as a Language Catalyst

投稿日: 2023年5月26日 作成者: jarxiv

要約 現実世界の多様なモダリティを認識し、さまざまなタスクを解決できる汎用モデル … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | ChatBridge: Bridging Modalities with Large Language Model as a Language Catalyst はコメントを受け付けていません