「cs.MM」カテゴリーアーカイブ

FastPerson: Enhancing Video Learning through Effective Video Summarization that Preserves Linguistic and Visual Contexts

投稿日: 2024年3月27日 作成者: jarxiv

要約 時間が限られており、さまざまなトピックに興味がある学習者にとって、学習効率 … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.HC, cs.MM | FastPerson: Enhancing Video Learning through Effective Video Summarization that Preserves Linguistic and Visual Contexts はコメントを受け付けていません

GTA-HDR: A Large-Scale Synthetic Dataset for HDR Image Reconstruction

投稿日: 2024年3月27日 作成者: jarxiv

要約 ハイ ダイナミック レンジ (HDR) コンテンツ (つまり、画像やビデオ … 続きを読む →

カテゴリー: Computer vision, cs.CV, cs.GR, cs.LG, cs.MM, Deep learning, eess.IV, I.3.3 | GTA-HDR: A Large-Scale Synthetic Dataset for HDR Image Reconstruction はコメントを受け付けていません

Boosting Diffusion Models with Moving Average Sampling in Frequency Domain

投稿日: 2024年3月27日 作成者: jarxiv

要約 拡散モデルは最近、画像生成に強力な革命をもたらしました。 これらのモデルの … 続きを読む →

カテゴリー: cs.CV, cs.MM | Boosting Diffusion Models with Moving Average Sampling in Frequency Domain はコメントを受け付けていません

Unraveling Instance Associations: A Closer Look for Audio-Visual Segmentation

投稿日: 2024年3月26日 作成者: jarxiv

要約 視聴覚セグメンテーション (AVS) は、視聴覚キューに基づいて音を発する … 続きを読む →

カテゴリー: cs.CV, cs.MM | Unraveling Instance Associations: A Closer Look for Audio-Visual Segmentation はコメントを受け付けていません

Not All Attention is Needed: Parameter and Computation Efficient Transfer Learning for Multi-modal Large Language Models

投稿日: 2024年3月25日 作成者: jarxiv

要約 この論文では、効率的注意スキッピング (EAS) と呼ばれる、マルチモーダ … 続きを読む →

カテゴリー: cs.CL, cs.MM | Not All Attention is Needed: Parameter and Computation Efficient Transfer Learning for Multi-modal Large Language Models はコメントを受け付けていません

FunQA: Towards Surprising Video Comprehension

投稿日: 2024年3月25日 作成者: jarxiv

要約 面白いクリップ、創造的なパフォーマンス、視覚的な錯覚など、驚くべきビデオは … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | FunQA: Towards Surprising Video Comprehension はコメントを受け付けていません

MSAC: Multiple Speech Attribute Control Method for Reliable Speech Emotion Recognition

投稿日: 2024年3月25日 作成者: jarxiv

要約 顕著な進歩にもかかわらず、音声感情認識 (SER) は、特に野生の世界では … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | MSAC: Multiple Speech Attribute Control Method for Reliable Speech Emotion Recognition はコメントを受け付けていません

AnyV2V: A Plug-and-Play Framework For Any Video-to-Video Editing Tasks

投稿日: 2024年3月25日 作成者: jarxiv

要約 ビデオ間の編集には、ソース ビデオを追加のコントロール (テキスト プロン … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | AnyV2V: A Plug-and-Play Framework For Any Video-to-Video Editing Tasks はコメントを受け付けていません

Bringing Robots Home: The Rise of AI Robots in Consumer Electronics

投稿日: 2024年3月22日 作成者: jarxiv

要約 2024 年 3 月 18 日、NVIDIA は、人型ロボットのトレーニン … 続きを読む →

カテゴリー: cs.MM, cs.RO | Bringing Robots Home: The Rise of AI Robots in Consumer Electronics はコメントを受け付けていません

AnyV2V: A Plug-and-Play Framework For Any Video-to-Video Editing Tasks

投稿日: 2024年3月22日 作成者: jarxiv

要約 ビデオ間の編集には、ソース ビデオを追加のコントロール (テキスト プロン … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | AnyV2V: A Plug-and-Play Framework For Any Video-to-Video Editing Tasks はコメントを受け付けていません