-
最近の投稿
- Design of a Visual Pose Estimation Algorithm for Moon Landing
- A novel step-by-step procedure for the kinematic calibration of robots using a single draw-wire encoder
- Ultra-High-Frequency Harmony: mmWave Radar and Event Camera Orchestrate Accurate Drone Landing
- Geometric Freeze-Tag Problem
- A Dual-Motor Actuator for Ceiling Robots with High Force and High Speed Capabilities
-
最近のコメント
表示できるコメントはありません。 cs.AI (34107) cs.CL (25783) cs.CR (2623) cs.CV (40027) cs.LG (39092) cs.RO (19895) cs.SY (3026) eess.IV (4764) eess.SY (3020) stat.ML (5162)
「cs.MM」カテゴリーアーカイブ
Enhancing Learned Image Compression via Cross Window-based Attention
要約 近年、学習された画像圧縮方法は、従来の画像圧縮方法と比較して優れたレート歪 … 続きを読む
Document Parsing Unveiled: Techniques, Challenges, and Prospects for Structured Information Extraction
要約 文書解析は、契約書、学術論文、請求書などの非構造化文書および半構造化文書を … 続きを読む
Kandinsky 3: Text-to-Image Synthesis for Multifunctional Generative Framework
要約 テキストから画像への (T2I) 拡散モデルは、編集、画像の融合、修復など … 続きを読む
Enhancing Learned Image Compression via Cross Window-based Attention
要約 近年、学習された画像圧縮方法は、従来の画像圧縮方法と比較して優れたレート歪 … 続きを読む
Document Parsing Unveiled: Techniques, Challenges, and Prospects for Structured Information Extraction
要約 文書解析は、契約書、学術論文、請求書などの非構造化文書および半構造化文書を … 続きを読む
OmniSep: Unified Omni-Modality Sound Separation with Query-Mixup
要約 近年、スケールアップは視覚と言語の分野で大きな成功をもたらしました。 しか … 続きを読む
Evaluation of strategies for efficient rate-distortion NeRF streaming
要約 Neural Radiance Fields (NeRF) は、まばらな画 … 続きを読む
Diverse Sign Language Translation
要約 話し言葉と同様に、単一の手話表現は複数の有効なテキスト解釈に対応する可能性 … 続きを読む
TimeSuite: Improving MLLMs for Long Video Understanding via Grounded Tuning
要約 マルチモーダル大規模言語モデル (MLLM) は、短いビデオの理解において … 続きを読む