-
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
Mitigating Hallucinations in Large Vision-Language Models with Instruction Contrastive Decoding
要約 大規模視覚言語モデル (LVLM) は、視覚入力から状況に応じて詳細で一貫 … 続きを読む
Once-for-All: Controllable Generative Image Compression with Dynamic Granularity Adaption
要約 最近の生成画像圧縮方法は、レートと歪みと知覚のトレードオフの最適化において … 続きを読む
Progressive Confident Masking Attention Network for Audio-Visual Segmentation
要約 通常、オーディオ信号とビジュアル信号は同時に発生し、人間はこれら 2 つの … 続きを読む
Edit As You Wish: Video Caption Editing with Multi-grained User Control
要約 ユーザの要求に応じて自然言語で自動的にナレーションを行うこと、すなわち、制 … 続きを読む
NU-Class Net: A Novel Approach for Video Quality Enhancement
要約 動画コンテンツの人気は急上昇し、インターネットトラフィックやモノのインター … 続きを読む
VIEScore: Towards Explainable Metrics for Conditional Image Synthesis Evaluation
要約 急速に進展する条件付き画像生成の研究分野において、様々なモデルの性能や能力 … 続きを読む
ContextBLIP: Doubly Contextual Alignment for Contrastive Image Retrieval from Linguistically Complex Descriptions
要約 文脈記述からの画像検索 (IRCD) は、言語的に複雑なテキストに基づいて … 続きを読む
Instruct-MusicGen: Unlocking Text-to-Music Editing for Music Language Models via Instruction Tuning
要約 テキストから音楽への編集における最近の進歩は、テキスト クエリを使用して音 … 続きを読む
MF-AED-AEC: Speech Emotion Recognition by Leveraging Multimodal Fusion, Asr Error Detection, and Asr Error Correction
要約 音声感情認識 (SER) における一般的なアプローチには、音声情報とテキス … 続きを読む