-
最近の投稿
- Lightning UQ Box: A Comprehensive Framework for Uncertainty Quantification in Deep Learning
- Fine-Grained Expressive Power of Weisfeiler-Leman: A Homomorphism Counting Perspective
- Hybrid Feedback for Three-dimensional Convex Obstacle Avoidance (Extended version)
- Self-Deployable, Adaptive Soft Robots Based on Contracting-Cord Particle Jamming
- DecTrain: Deciding When to Train a DNN Online
-
最近のコメント
表示できるコメントはありません。 cs.AI (27713) cs.CL (20937) cs.CR (2171) cs.CV (34430) cs.LG (32450) cs.RO (15866) cs.SY (2464) eess.IV (4226) eess.SY (2458) stat.ML (4346)
「cs.MM」カテゴリーアーカイブ
Dual Mean-Teacher: An Unbiased Semi-Supervised Framework for Audio-Visual Source Localization
要約 AVSL (Audio-Visual Source Localizatio … 続きを読む
G4G:A Generic Framework for High Fidelity Talking Face Generation with Fine-grained Intra-modal Alignment
要約 数多くの研究が完了しているにもかかわらず、任意の音声に対応する高度に同期し … 続きを読む
MuLTI: Efficient Video-and-Language Understanding with Text-Guided MultiWay-Sampler and Multiple Choice Modeling
要約 ビデオと言語の理解は、ビデオ質問応答、テキスト-ビデオ検索、マルチラベル分 … 続きを読む
EVE: Efficient Vision-Language Pre-training with Masked Prediction and Modality-Aware MoE
要約 多様なマルチモーダルデータから学習するスケーラブルな視覚言語モデルの構築は … 続きを読む
DAE-Talker: High Fidelity Speech-Driven Talking Face Generation with Diffusion Autoencoder
要約 最近の研究により、音声駆動型話し顔生成は大きく進歩したが、生成された映像の … 続きを読む
A Novel Approach to Industrial Defect Generation through Blended Latent Diffusion Model with Online Adaptation
要約 産業用異常検出 (AD) の課題に効果的に対処するには、欠陥のあるサンプル … 続きを読む
Where Do We Go from Here? Multi-scale Allocentric Relational Inference from Natural Spatial Descriptions
要約 自然言語でルートを伝達する場合、{\em 獲得された空間知識} の概念 … 続きを読む
Gradient-Guided Modality Decoupling for Missing-Modality Robustness
要約 不完全な入力データ (モダリティの欠落) を使用したマルチモーダル学習は実 … 続きを読む
SPC-NeRF: Spatial Predictive Compression for Voxel Based Radiance Field
要約 Neural Radiance Field (NeRF) を明示的なボクセ … 続きを読む
Seeing is Believing: Mitigating Hallucination in Large Vision-Language Models via CLIP-Guided Decoding
要約 Large Vision-Language Model (LVLM) は物 … 続きを読む