「cs.MM」カテゴリーアーカイブ

SaMoye: Zero-shot Singing Voice Conversion Based on Feature Disentanglement and Synthesis

投稿日: 2024年7月11日 作成者: jarxiv

要約 歌声変換 (SVC) は、元の内容を維持したまま、特定の音楽作品内の歌手の … 続きを読む →

カテゴリー: 68Txx(Primary)14F05, 91Fxx(Secondary), cs.AI, cs.MM, cs.SD, eess.AS, I.2.7 | SaMoye: Zero-shot Singing Voice Conversion Based on Feature Disentanglement and Synthesis はコメントを受け付けていません

Multi-task Prompt Words Learning for Social Media Content Generation

投稿日: 2024年7月11日 作成者: jarxiv

要約 インターネットの急速な発展は人間の生活を大きく変えました。 人間はソーシャ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | Multi-task Prompt Words Learning for Social Media Content Generation はコメントを受け付けていません

Lightning Fast Video Anomaly Detection via Adversarial Knowledge Distillation

投稿日: 2024年7月11日 作成者: jarxiv

要約 我々は、ビデオの異常検出のための非常に高速なフレームレベルのモデルを提案し … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM, stat.ML | Lightning Fast Video Anomaly Detection via Adversarial Knowledge Distillation はコメントを受け付けていません

RT-LA-VocE: Real-Time Low-SNR Audio-Visual Speech Enhancement

投稿日: 2024年7月11日 作成者: jarxiv

要約 このペーパーでは、今後の入力に依存せずに、ライブ ビデオ ストリームとノイ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | RT-LA-VocE: Real-Time Low-SNR Audio-Visual Speech Enhancement はコメントを受け付けていません

Proceedings of The second international workshop on eXplainable AI for the Arts (XAIxArts)

投稿日: 2024年7月10日 作成者: jarxiv

要約 Explainable AI for the Arts (XAIxArts … 続きを読む →

カテゴリー: cs.AI, cs.HC, cs.MM, cs.SD, eess.AS | Proceedings of The second international workshop on eXplainable AI for the Arts (XAIxArts) はコメントを受け付けていません

GaussianImage: 1000 FPS Image Representation and Compression by 2D Gaussian Splatting

投稿日: 2024年7月10日 作成者: jarxiv

要約 暗黙的ニューラル表現 (INR) は最近、画像表現と圧縮において大きな成功 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, eess.IV | GaussianImage: 1000 FPS Image Representation and Compression by 2D Gaussian Splatting はコメントを受け付けていません

Frieren: Efficient Video-to-Audio Generation with Rectified Flow Matching

投稿日: 2024年7月10日 作成者: jarxiv

要約 ビデオ – オーディオ (V2A) 生成は、サイレント ビデオ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Frieren: Efficient Video-to-Audio Generation with Rectified Flow Matching はコメントを受け付けていません

Resolving Sentiment Discrepancy for Multimodal Sentiment Detection via Semantics Completion and Decomposition

投稿日: 2024年7月10日 作成者: jarxiv

要約 近年のソーシャル メディア投稿の急増に伴い、マルチモーダル (画像とテキス … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM, cs.SI | Resolving Sentiment Discrepancy for Multimodal Sentiment Detection via Semantics Completion and Decomposition はコメントを受け付けていません

Hiding Local Manipulations on SAR Images: a Counter-Forensic Attack

投稿日: 2024年7月10日 作成者: jarxiv

要約 オンライン ポータルを通じて合成開口レーダー (SAR) 画像に幅広くアク … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | Hiding Local Manipulations on SAR Images: a Counter-Forensic Attack はコメントを受け付けていません

Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results

投稿日: 2024年7月9日 作成者: jarxiv

要約 ユーモアは人間の社会的行動、感情、認知の重要な要素です。 その自動理解によ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results はコメントを受け付けていません