「cs.MM」カテゴリーアーカイブ

Images that Sound: Composing Images and Sounds on a Single Canvas

投稿日: 2024年5月21日 作成者: jarxiv

要約 スペクトログラムは、私たちの視覚世界にある画像とは大きく異なるサウンドの … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Images that Sound: Composing Images and Sounds on a Single Canvas はコメントを受け付けていません

Picking watermarks from noise (PWFN): an improved robust watermarking model against intensive distortions

投稿日: 2024年5月20日 作成者: jarxiv

要約 電子透かしは、人間の目には検出できない方法で画像を変更することで秘密情報を … 続きを読む →

カテゴリー: cs.CV, cs.MM, eess.IV | Picking watermarks from noise (PWFN): an improved robust watermarking model against intensive distortions はコメントを受け付けていません

Distilling Implicit Multimodal Knowledge into LLMs for Zero-Resource Dialogue Generation

投稿日: 2024年5月17日 作成者: jarxiv

要約 マルチモーダルな知識を大規模言語モデル (LLM) に統合することは、対話 … 続きを読む →

カテゴリー: cs.CL, cs.MM | Distilling Implicit Multimodal Knowledge into LLMs for Zero-Resource Dialogue Generation はコメントを受け付けていません

MMFusion: Multi-modality Diffusion Model for Lymph Node Metastasis Diagnosis in Esophageal Cancer

投稿日: 2024年5月17日 作成者: jarxiv

要約 食道がんは、世界中で最も一般的ながんの種類の 1 つであり、がん関連死亡率 … 続きを読む →

カテゴリー: cs.CV, cs.MM, eess.IV | MMFusion: Multi-modality Diffusion Model for Lymph Node Metastasis Diagnosis in Esophageal Cancer はコメントを受け付けていません

A vector quantized masked autoencoder for audiovisual speech emotion recognition

投稿日: 2024年5月16日 作成者: jarxiv

要約 ラベル付きデータの利用可能性が限られていることが、視聴覚音声感情認識 (S … 続きを読む →

カテゴリー: cs.LG, cs.MM, cs.SD, eess.AS | A vector quantized masked autoencoder for audiovisual speech emotion recognition はコメントを受け付けていません

MusicMagus: Zero-Shot Text-to-Music Editing via Diffusion Models

投稿日: 2024年5月16日 作成者: jarxiv

要約 テキストから音楽への生成モデルの最近の進歩により、音楽の創造性に新たな道が … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | MusicMagus: Zero-Shot Text-to-Music Editing via Diffusion Models はコメントを受け付けていません

Scalable Image Coding for Humans and Machines Using Feature Fusion Network

投稿日: 2024年5月16日 作成者: jarxiv

要約 画像認識モデルが普及するにつれて、機械と人間のためのスケーラブルなコーディ … 続きを読む →

カテゴリー: cs.CV, cs.MM | Scalable Image Coding for Humans and Machines Using Feature Fusion Network はコメントを受け付けていません

Dance Any Beat: Blending Beats with Visuals in Dance Video Generation

投稿日: 2024年5月16日 作成者: jarxiv

要約 音楽からダンスを生成するというタスクは重要ですが、主に関節シーケンスを生成 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD, eess.AS | Dance Any Beat: Blending Beats with Visuals in Dance Video Generation はコメントを受け付けていません

MVBIND: Self-Supervised Music Recommendation For Videos Via Embedding Space Binding

投稿日: 2024年5月16日 作成者: jarxiv

要約 近年、通常、ビジュアルとオーディオの両方のモダリティを含むショートビデオが … 続きを読む →

カテゴリー: cs.CV, cs.MM | MVBIND: Self-Supervised Music Recommendation For Videos Via Embedding Space Binding はコメントを受け付けていません

ReconBoost: Boosting Can Achieve Modality Reconcilement

投稿日: 2024年5月16日 作成者: jarxiv

要約 この論文では、ユニモーダル機能の活用とクロスモーダル相互作用の探索の間の調 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | ReconBoost: Boosting Can Achieve Modality Reconcilement はコメントを受け付けていません