「cs.MM」カテゴリーアーカイブ

LongShortNet: Exploring Temporal and Semantic Features Fusion in Streaming Perception

投稿日: 2022年10月28日 作成者: jarxiv

要約 ストリーミング認識は、自動運転システムの遅延と精度を首尾一貫して考慮する自 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | LongShortNet: Exploring Temporal and Semantic Features Fusion in Streaming Perception はコメントを受け付けていません

TAMFormer: Multi-Modal Transformer with Learned Attention Mask for Early Intent Prediction

投稿日: 2022年10月27日 作成者: jarxiv

要約 人間の意図の予測は、ビデオ内のアクティビティを視覚ベースのシステムで予測す … 続きを読む →

カテゴリー: cs.CV, cs.MM | TAMFormer: Multi-Modal Transformer with Learned Attention Mask for Early Intent Prediction はコメントを受け付けていません

Learning Audio-Visual embedding for Person Verification in the Wild

投稿日: 2022年10月27日 作成者: jarxiv

要約 オーディオビジュアルの埋め込みは、個人の検証において単一モダリティの埋め込 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Learning Audio-Visual embedding for Person Verification in the Wild はコメントを受け付けていません

AMPose: Alternatively Mixed Global-Local Attention Model for 3D Human Pose Estimation

投稿日: 2022年10月27日 作成者: jarxiv

要約 グラフ畳み込みネットワーク (GCN) は、3D 人間の姿勢推定 (HPE … 続きを読む →

カテゴリー: cs.CV, cs.MM | AMPose: Alternatively Mixed Global-Local Attention Model for 3D Human Pose Estimation はコメントを受け付けていません

End-to-end Transformer for Compressed Video Quality Enhancement

投稿日: 2022年10月26日 作成者: jarxiv

要約 畳み込みニューラル ネットワークは、近年、圧縮ビデオの品質向上タスクで優れ … 続きを読む →

カテゴリー: cs.CV, cs.MM | End-to-end Transformer for Compressed Video Quality Enhancement はコメントを受け付けていません

Image-Text Retrieval with Binary and Continuous Label Supervision

投稿日: 2022年10月21日 作成者: jarxiv

要約 ほとんどの画像とテキストの検索作業では、画像とテキストのペアが一致するかど … 続きを読む →

カテゴリー: cs.CV, cs.MM | Image-Text Retrieval with Binary and Continuous Label Supervision はコメントを受け付けていません

Sparse in Space and Time: Audio-visual Synchronisation with Trainable Selectors

投稿日: 2022年10月14日 作成者: jarxiv

要約 このホワイト ペーパーの目的は、「実際の」一般的なビデオの視聴覚同期です。 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Sparse in Space and Time: Audio-visual Synchronisation with Trainable Selectors はコメントを受け付けていません

A Generalist Framework for Panoptic Segmentation of Images and Videos

投稿日: 2022年10月13日 作成者: jarxiv

要約 パノプティック セグメンテーションは、画像のすべてのピクセルにセマンティッ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | A Generalist Framework for Panoptic Segmentation of Images and Videos はコメントを受け付けていません

Evaluating Point Cloud Quality via Transformational Complexity

投稿日: 2022年10月11日 作成者: jarxiv

要約 完全参照点群品質評価 (FR-PCQA) は、利用可能な参照を使用して歪ん … 続きを読む →

カテゴリー: cs.CV, cs.MM | Evaluating Point Cloud Quality via Transformational Complexity はコメントを受け付けていません

C2KD: Cross-Lingual Cross-Modal Knowledge Distillation for Multilingual Text-Video Retrieval

投稿日: 2022年10月10日 作成者: jarxiv

要約 多言語のテキストとビデオの検索方法は近年大幅に改善されていますが、他の言語 … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | C2KD: Cross-Lingual Cross-Modal Knowledge Distillation for Multilingual Text-Video Retrieval はコメントを受け付けていません