「cs.MM」カテゴリーアーカイブ

Multi-Modal Few-Shot Object Detection with Meta-Learning-Based Cross-Modal Prompting

投稿日: 2023年3月28日 作成者: jarxiv

要約 この論文では、マルチモーダルな少数ショットオブジェクト検出 (FSOD) … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | Multi-Modal Few-Shot Object Detection with Meta-Learning-Based Cross-Modal Prompting はコメントを受け付けていません

Improving Prediction Performance and Model Interpretability through Attention Mechanisms from Basic and Applied Research Perspectives

投稿日: 2023年3月27日 作成者: jarxiv

要約 ディープラーニング技術の劇的な進歩により、機械学習の研究は、基礎研究と応用 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | Improving Prediction Performance and Model Interpretability through Attention Mechanisms from Basic and Applied Research Perspectives はコメントを受け付けていません

Audio Diffusion Model for Speech Synthesis: A Survey on Text To Speech and Speech Enhancement in Generative AI

投稿日: 2023年3月24日 作成者: jarxiv

要約 ジェネレーティブ AI はさまざまな分野で印象的なパフォーマンスを発揮して … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.MM, cs.SD, eess.AS | Audio Diffusion Model for Speech Synthesis: A Survey on Text To Speech and Speech Enhancement in Generative AI はコメントを受け付けていません

POTTER: Pooling Attention Transformer for Efficient Human Mesh Recovery

投稿日: 2023年3月24日 作成者: jarxiv

要約 Transformer アーキテクチャは、単眼画像からのヒューマン メッシ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | POTTER: Pooling Attention Transformer for Efficient Human Mesh Recovery はコメントを受け付けていません

Plug-and-Play Regulators for Image-Text Matching

投稿日: 2023年3月24日 作成者: jarxiv

要約 きめの細かい対応と視覚的セマンティック アラインメントを活用することで、画 … 続きを読む →

カテゴリー: cs.CV, cs.MM | Plug-and-Play Regulators for Image-Text Matching はコメントを受け付けていません

DDT: A Diffusion-Driven Transformer-based Framework for Human Mesh Recovery from a Video

投稿日: 2023年3月24日 作成者: jarxiv

要約 ヒューマン メッシュ リカバリ (HMR) は、ゲーム、ヒューマン コンピ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.HC, cs.MM | DDT: A Diffusion-Driven Transformer-based Framework for Human Mesh Recovery from a Video はコメントを受け付けていません

Egocentric Audio-Visual Object Localization

投稿日: 2023年3月24日 作成者: jarxiv

要約 人間は、音と視覚を統合して一人称視点で周囲の景色を自然に知覚します。 同様 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Egocentric Audio-Visual Object Localization はコメントを受け付けていません

Positive-Augmented Constrastive Learning for Image and Video Captioning Evaluation

投稿日: 2023年3月23日 作成者: jarxiv

要約 CLIP モデルは最近、視覚と言語のアーキテクチャから生成されたキャプショ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | Positive-Augmented Constrastive Learning for Image and Video Captioning Evaluation はコメントを受け付けていません

Reliable and Efficient Evaluation of Adversarial Robustness for Deep Hashing-Based Retrieval

投稿日: 2023年3月23日 作成者: jarxiv

要約 ディープ ハッシングは、その効率と有効性から大量の画像検索に広く適用されて … 続きを読む →

カテゴリー: cs.AI, cs.CR, cs.CV, cs.LG, cs.MM | Reliable and Efficient Evaluation of Adversarial Robustness for Deep Hashing-Based Retrieval はコメントを受け付けていません

A Complete Survey on Generative AI (AIGC): Is ChatGPT from GPT-4 to GPT-5 All You Need?

投稿日: 2023年3月22日 作成者: jarxiv

要約 ChatGPT が口コミで広まるにつれ、ジェネレーティブ AI (AIGC … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | A Complete Survey on Generative AI (AIGC): Is ChatGPT from GPT-4 to GPT-5 All You Need? はコメントを受け付けていません