「cs.MM」カテゴリーアーカイブ

Flight Patterns for Swarms of Drones

投稿日: 2024年12月18日 作成者: jarxiv

要約 ドローンの群れが 1 つ以上の開口部を衝突せずに通過するための飛行パターン … 続きを読む →

カテゴリー: cs.ET, cs.MM, cs.RO | Flight Patterns for Swarms of Drones はコメントを受け付けていません

A Benchmark and Robustness Study of In-Context-Learning with Large Language Models in Music Entity Detection

投稿日: 2024年12月17日 作成者: jarxiv

要約 曲のタイトルやアーティスト名などの音楽エンティティの検出は、音楽検索クエリ … 続きを読む →

カテゴリー: cs.CL, cs.MM | A Benchmark and Robustness Study of In-Context-Learning with Large Language Models in Music Entity Detection はコメントを受け付けていません

Wills Aligner: Multi-Subject Collaborative Brain Visual Decoding

投稿日: 2024年12月17日 作成者: jarxiv

要約 人間の脳活動から視覚情報を解読することは、最近の研究で目覚ましい進歩を遂げ … 続きを読む →

カテゴリー: cs.CV, cs.MM | Wills Aligner: Multi-Subject Collaborative Brain Visual Decoding はコメントを受け付けていません

IRR: Image Review Ranking Framework for Evaluating Vision-Language Models

投稿日: 2024年12月17日 作成者: jarxiv

要約 大規模ビジョン言語モデル (LVLM) は、画像とテキストの両方を処理し、 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | IRR: Image Review Ranking Framework for Evaluating Vision-Language Models はコメントを受け付けていません

EVOS: Efficient Implicit Neural Training via EVOlutionary Selector

投稿日: 2024年12月16日 作成者: jarxiv

要約 私たちは、Implicit Neural Representation ( … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.NE | EVOS: Efficient Implicit Neural Training via EVOlutionary Selector はコメントを受け付けていません

Low-Latency Scalable Streaming for Event-Based Vision

投稿日: 2024年12月16日 作成者: jarxiv

要約 最近、高速、低消費電力のビデオ キャプチャ用の新しい「イベントベース」カメ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.NI | Low-Latency Scalable Streaming for Event-Based Vision はコメントを受け付けていません

DriveMM: All-in-One Large Multimodal Model for Autonomous Driving

投稿日: 2024年12月16日 作成者: jarxiv

要約 大規模マルチモーダル モデル (LMM) は、大規模な言語モデルを組み込む … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.RO | DriveMM: All-in-One Large Multimodal Model for Autonomous Driving はコメントを受け付けていません

DriveMM: All-in-One Large Multimodal Model for Autonomous Driving

投稿日: 2024年12月13日 作成者: jarxiv

要約 大規模マルチモーダル モデル (LMM) は、大規模な言語モデルを組み込む … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.RO | DriveMM: All-in-One Large Multimodal Model for Autonomous Driving はコメントを受け付けていません

Towards Open-Vocabulary Video Semantic Segmentation

投稿日: 2024年12月13日 作成者: jarxiv

要約 ビデオのセマンティック セグメンテーションは、最近の研究の焦点となっていま … 続きを読む →

カテゴリー: cs.AI, cs.MM | Towards Open-Vocabulary Video Semantic Segmentation はコメントを受け付けていません

Causal Graphical Models for Vision-Language Compositional Understanding

投稿日: 2024年12月13日 作成者: jarxiv

要約 最近の研究では、視覚言語モデル (VLM) が人間の言語の構成特性を完全に … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | Causal Graphical Models for Vision-Language Compositional Understanding はコメントを受け付けていません