「cs.MM」カテゴリーアーカイブ

Improving Long-Text Alignment for Text-to-Image Diffusion Models

投稿日: 2024年10月16日 作成者: jarxiv

要約 テキストから画像への (T2I) 拡散モデルの急速な進歩により、与えられた … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM | Improving Long-Text Alignment for Text-to-Image Diffusion Models はコメントを受け付けていません

Detecting Audio-Visual Deepfakes with Fine-Grained Inconsistencies

投稿日: 2024年10月15日 作成者: jarxiv

要約 オーディオビジュアルディープフェイク検出に関する既存の方法は、オーディオデ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Detecting Audio-Visual Deepfakes with Fine-Grained Inconsistencies はコメントを受け付けていません

Sample then Identify: A General Framework for Risk Control and Assessment in Multimodal Large Language Models

投稿日: 2024年10月11日 作成者: jarxiv

要約 マルチモーダル大規模言語モデル (MLLM) は、さまざまなタスクにわたっ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.MM | Sample then Identify: A General Framework for Risk Control and Assessment in Multimodal Large Language Models はコメントを受け付けていません

CMMD: Contrastive Multi-Modal Diffusion for Video-Audio Conditional Modeling

投稿日: 2024年10月10日 作成者: jarxiv

要約 ビデオとオーディオの双方向の条件付き生成に合わせたマルチモーダル拡散モデル … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | CMMD: Contrastive Multi-Modal Diffusion for Video-Audio Conditional Modeling はコメントを受け付けていません

VideoCLIP-XL: Advancing Long Description Understanding for Video CLIP Models

投稿日: 2024年10月7日 作成者: jarxiv

要約 対照的言語イメージ事前学習（CLIP）は広く研究され、多くのアプリケーショ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | VideoCLIP-XL: Advancing Long Description Understanding for Video CLIP Models 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10月4日 作成者: jarxiv

要約 SonicSenseを紹介する。SonicSenseは、ハードウェアとソフ … 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

Releasing the Parameter Latency of Neural Representation for High-Efficiency Video Compression

投稿日: 2024年10月4日 作成者: jarxiv

要約 何十年もの間、映像圧縮技術は著名な研究分野であった。従来のハイブリッド動画 … 続きを読む →

カテゴリー: cs.CV, cs.MM, eess.IV | Releasing the Parameter Latency of Neural Representation for High-Efficiency Video Compression はコメントを受け付けていません

Unleashing Parameter Potential of Neural Representation for Efficient Video Compression

投稿日: 2024年10月3日 作成者: jarxiv

要約 何十年もの間、ビデオ圧縮テクノロジーは著名な研究分野でした。 従来のハイブ … 続きを読む →

カテゴリー: cs.CV, cs.MM, eess.IV | Unleashing Parameter Potential of Neural Representation for Efficient Video Compression はコメントを受け付けていません

RADAR: Robust Two-stage Modality-incomplete Industrial Anomaly Detection

投稿日: 2024年10月3日 作成者: jarxiv

要約 3D 点群と 2D RGB 画像を利用して製品の異常領域を特定するマルチモ … 続きを読む →

カテゴリー: cs.CV, cs.MM | RADAR: Robust Two-stage Modality-incomplete Industrial Anomaly Detection はコメントを受け付けていません

SVFAP: Self-supervised Video Facial Affect Perceiver

投稿日: 2024年10月2日 作成者: jarxiv

要約 ビデオベースの顔の感情分析は、人間とコンピューターのインタラクションにおい … 続きを読む →

カテゴリー: cs.CV, cs.HC, cs.MM | SVFAP: Self-supervised Video Facial Affect Perceiver はコメントを受け付けていません