-
最近の投稿
- Enhancing Efficiency in Multidevice Federated Learning through Data Selection
- RadarTrack: Enhancing Ego-Vehicle Speed Estimation with Single-chip mmWave Radar
- HOPE: A Reinforcement Learning-based Hybrid Policy Path Planner for Diverse Parking Scenarios
- From Imitation to Exploration: End-to-end Autonomous Driving based on World Model
- LLM-Enabled In-Context Learning for Data Collection Scheduling in UAV-assisted Sensor Networks
-
最近のコメント
表示できるコメントはありません。 cs.AI (36903) cs.CL (27936) cs.CV (42678) cs.HC (2822) cs.LG (41843) cs.RO (21845) cs.SY (3324) eess.IV (4979) eess.SY (3316) stat.ML (5475)
「cs.MM」カテゴリーアーカイブ
RDPM: Solve Diffusion Probabilistic Models via Recurrent Token Prediction
要約 拡散確率モデル (DPM) は、高忠実度画像合成の事実上のアプローチとして … 続きを読む
RDPM: Solve Diffusion Probabilistic Models via Recurrent Token Prediction
要約 拡散確率モデル (DPM) は、高忠実度画像合成の事実上のアプローチとして … 続きを読む
DiTCtrl: Exploring Attention Control in Multi-Modal Diffusion Transformer for Tuning-Free Multi-Prompt Longer Video Generation
要約 Sora のようなビデオ生成モデルは、マルチモーダル拡散トランス MM-D … 続きを読む
ANID: How Far Are We? Evaluating the Discrepancies Between AI-synthesized Images and Natural Images through Multimodal Guidance
要約 急速に進化する人工知能生成コンテンツ (AIGC) の分野における重要な課 … 続きを読む
Stable-V2A: Synthesis of Synchronized Sound Effects with Temporal and Semantic Controls
要約 サウンド デザイナーやフォーリー アーティストは通常、ビデオ内の関心の … 続きを読む
Prompt-A-Video: Prompt Your Video Diffusion Model via Preference-Aligned LLM
要約 テキストからビデオへのモデルは、高品質のテキストとビデオのペアの最適化を通 … 続きを読む
Real-Time Position-Aware View Synthesis from Single-View Input
要約 ビュー合成の最近の進歩により、テレプレゼンスやエンターテイメントを含む、さ … 続きを読む
SurgSora: Decoupled RGBD-Flow Diffusion Model for Controllable Surgical Video Generation
要約 医療ビデオの生成には、正確で制御可能な視覚表現を通じて、外科の理解と病理の … 続きを読む
A Review of Multimodal Explainable Artificial Intelligence: Past, Present and Future
要約 人工知能 (AI) は、計算能力の進歩と大規模なデータセットの増加によって … 続きを読む
AKiRa: Augmentation Kit on Rays for optical video generation
要約 テキスト条件付きビデオの普及における最近の進歩により、ビデオの品質は大幅に … 続きを読む