「cs.MM」カテゴリーアーカイブ

MetaDesigner: Advancing Artistic Typography through AI-Driven, User-Centric, and Multilingual WordArt Synthesis

投稿日: 2024年7月1日 作成者: jarxiv

要約 MetaDesigner は、ラージ言語モデル (LLM) の強みを活用し … 続きを読む →

カテゴリー: cs.AI, cs.HC, cs.MM | MetaDesigner: Advancing Artistic Typography through AI-Driven, User-Centric, and Multilingual WordArt Synthesis はコメントを受け付けていません

Kandinsky 3.0 Technical Report

投稿日: 2024年7月1日 作成者: jarxiv

要約 我々は、潜在拡散に基づく大規模なテキストから画像への生成モデルである Ka … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM | Kandinsky 3.0 Technical Report はコメントを受け付けていません

Taming Data and Transformers for Audio Generation

投稿日: 2024年6月28日 作成者: jarxiv

要約 環境音や環境効果の生成は、データ不足とキャプションの品質が不十分なことが多 … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM, cs.SD, eess.AS | Taming Data and Transformers for Audio Generation はコメントを受け付けていません

SonicSense: Object Perception from In-Hand Acoustic Vibration

投稿日: 2024年6月27日 作成者: jarxiv

要約 SonicSense は、ハードウェアとソフトウェアの総合的な設計であり、 … 続きを読む →

カテゴリー: cs.MM, cs.RO, cs.SD, eess.AS | SonicSense: Object Perception from In-Hand Acoustic Vibration はコメントを受け付けていません

Videogenic: Identifying Highlight Moments in Videos with Professional Photographs as a Prior

投稿日: 2024年6月26日 作成者: jarxiv

要約 この論文では、ビデオからハイライトの瞬間を抽出するという課題について調査し … 続きを読む →

カテゴリー: cs.CV, cs.HC, cs.MM | Videogenic: Identifying Highlight Moments in Videos with Professional Photographs as a Prior はコメントを受け付けていません

VideoMap: Supporting Video Editing Exploration, Brainstorming, and Prototyping in the Latent Space

投稿日: 2024年6月26日 作成者: jarxiv

要約 ビデオ編集は創造的かつ複雑な作業であり、ビデオ編集の創造性と探索性をより適 … 続きを読む →

カテゴリー: cs.CV, cs.HC, cs.MM | VideoMap: Supporting Video Editing Exploration, Brainstorming, and Prototyping in the Latent Space はコメントを受け付けていません

Soundify: Matching Sound Effects to Video

投稿日: 2024年6月26日 作成者: jarxiv

要約 ビデオ編集の分野では、サウンドはオブジェクトに個性を加え、視聴者を空間に没 … 続きを読む →

カテゴリー: cs.CV, cs.HC, cs.MM, cs.SD, eess.AS | Soundify: Matching Sound Effects to Video はコメントを受け付けていません

MSRS: Training Multimodal Speech Recognition Models from Scratch with Sparse Mask Optimization

投稿日: 2024年6月26日 作成者: jarxiv

要約 事前トレーニングされたモデルは、追加コストがかかるものの、音声認識における … 続きを読む →

カテゴリー: cs.CV, cs.MM | MSRS: Training Multimodal Speech Recognition Models from Scratch with Sparse Mask Optimization はコメントを受け付けていません

LLIC: Large Receptive Field Transform Coding with Adaptive Weights for Learned Image Compression

投稿日: 2024年6月24日 作成者: jarxiv

要約 有効受容野 (ERF) は、変換コーディングにおいて重要な役割を果たします … 続きを読む →

カテゴリー: cs.CV, cs.MM, eess.IV | LLIC: Large Receptive Field Transform Coding with Adaptive Weights for Learned Image Compression はコメントを受け付けていません

Image Conductor: Precision Control for Interactive Video Synthesis

投稿日: 2024年6月24日 作成者: jarxiv

要約 映画制作やアニメーション制作では、多くの場合、カメラのトランジションやオブ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | Image Conductor: Precision Control for Interactive Video Synthesis はコメントを受け付けていません