-
最近の投稿
- Topological mapping for traversability-aware long-range navigation in off-road terrain
- Equality Constrained Diffusion for Direct Trajectory Optimization
- Learning-Based Autonomous Navigation, Benchmark Environments and Simulation Framework for Endovascular Interventions
- Language Supervised Human Action Recognition with Salient Fusion: Construction Worker Action Recognition as a Use Case
- Bi-Level Motion Imitation for Humanoid Robots
-
最近のコメント
表示できるコメントはありません。 cs.AI (27641) cs.CL (20879) cs.CR (2167) cs.CV (34375) cs.LG (32373) cs.RO (15816) cs.SY (2460) eess.IV (4221) eess.SY (2454) stat.ML (4339)
「cs.MM」カテゴリーアーカイブ
Speech Emotion Recognition with ASR Transcripts: A Comprehensive Study on Word Error Rate and Fusion Techniques
要約 テキスト データは一般に、音声感情認識 (SER) のパフォーマンスと信頼 … 続きを読む
Learning Domain-Invariant Features for Out-of-Context News Detection
要約 文脈を無視したマルチモーダルなニュースは、オンライン メディア プラットフ … 続きを読む
Deep Generative Modeling Reshapes Compression and Transmission: From Efficiency to Resiliency
要約 情報理論と機械学習は密接に関連しており、「同じコインの表裏」とも呼ばれてい … 続きを読む
Spoken Humanoid Embodied Conversational Agents in Mobile Serious Games: A Usability Assessment
要約 この論文では、音声ヒューマノイド肉体型会話エージェント (HECAs) が … 続きを読む
AID: Adapting Image2Video Diffusion Models for Instruction-guided Video Prediction
要約 テキストガイド付きビデオ予測 (TVP) には、指示に従って最初のフレーム … 続きを読む
AudioSetMix: Enhancing Audio-Language Datasets with LLM-Assisted Augmentations
要約 音声言語領域におけるマルチモーダル学習は、近年大幅な進歩を遂げています。 … 続きを読む
MA-AVT: Modality Alignment for Parameter-Efficient Audio-Visual Transformers
要約 事前トレーニングされたビジョントランスフォーマーの最近の進歩により、音声の … 続きを読む
The Revolution of Multimodal Large Language Models: A Survey
要約 テキストとビジュアルモダリティを結び付けることは、生成知能において重要な役 … 続きを読む
ReFiNe: Recursive Field Networks for Cross-modal Multi-scene Representation
要約 マルチシェイプ表現(複数のオブジェクトを「パッキング」する単一モデル)のた … 続きを読む