-
最近の投稿
- 3D Water Quality Mapping using Invariant Extended Kalman Filtering for Underwater Robot Localization
- Hybrid Visual Servoing of Tendon-driven Continuum Robots
- Embodying Control in Soft Multistable Grippers from morphofunctional co-design
- View-Invariant Policy Learning via Zero-Shot Novel View Synthesis
- ModSkill: Physical Character Skill Modularization
-
最近のコメント
表示できるコメントはありません。 cs.AI (34028) cs.CL (25726) cs.CR (2616) cs.CV (39965) cs.LG (39031) cs.RO (19850) cs.SY (3019) eess.IV (4757) eess.SY (3013) stat.ML (5150)
「cs.MM」カテゴリーアーカイブ
Interpretable Concept-based Deep Learning Framework for Multimodal Human Behavior Modeling
要約 インテリジェントな接続性の現代の時代において、システムが人間の行動状態を認 … 続きを読む
Composite Sketch+Text Queries for Retrieving Objects with Elusive Names and Complex Interactions
要約 限られた語彙を持つ非ネイティブスピーカーは、それらを視覚化することができた … 続きを読む
Human-Centric Foundation Models: Perception, Generation and Agentic Modeling
要約 人間の理解と生成は、デジタル人間とヒューマノイドの実施形態をモデル化するた … 続きを読む
TimeSuite: Improving MLLMs for Long Video Understanding via Grounded Tuning
要約 マルチモーダル大手言語モデル（MLLMS）は、短いビデオ理解で印象的なパフ … 続きを読む
Ola: Pushing the Frontiers of Omni-Modal Language Model with Progressive Modality Alignment
要約 特にGPT-4Oに続く大規模な言語モデルの最近の進歩により、より多くのモダ … 続きを読む
Learning Musical Representations for Music Performance Question Answering
要約 音楽パフォーマンスは、視聴覚モデリングの代表的なシナリオです。 まばらなオ … 続きを読む
Latent Swap Joint Diffusion for Long-Form Audio Generation
要約 グローバルビューの拡散または反復生成を使用した長期のオーディオ生成に関する … 続きを読む
Long-tailed Medical Diagnosis with Relation-aware Representation Learning and Iterative Classifier Calibration
要約 最近、コンピューター支援診断により、有望なパフォーマンスが実証されており、 … 続きを読む
Llasa: Scaling Train-Time and Inference-Time Compute for Llama-based Speech Synthesis
要約 特にGPTシリーズとO1モデルで、テキストベースの大手言語モデル（LLMS … 続きを読む
Ola: Pushing the Frontiers of Omni-Modal Language Model with Progressive Modality Alignment
要約 特にGPT-4Oに続く大規模な言語モデルの最近の進歩により、より多くのモダ … 続きを読む