「cs.MM」カテゴリーアーカイブ

Rethinking Multi-view Representation Learning via Distilled Disentangling

投稿日: 2024年4月1日 作成者: jarxiv

要約 マルチビュー表現学習の目的は、多様なデータ ソースからビューの一貫性とビュ … 続きを読む →

カテゴリー: cs.CV, cs.MM | Rethinking Multi-view Representation Learning via Distilled Disentangling はコメントを受け付けていません

Language Model Beats Diffusion — Tokenizer is Key to Visual Generation

投稿日: 2024年4月1日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、言語の生成タスクでは主要なモデルですが、 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | Language Model Beats Diffusion — Tokenizer is Key to Visual Generation はコメントを受け付けていません

Evaluating gesture generation in a large-scale open challenge: The GENEA Challenge 2022

投稿日: 2024年3月29日 作成者: jarxiv

要約 この論文では、データ駆動型自動同時音声ジェスチャ生成のベンチマークを目的と … 続きを読む →

カテゴリー: cs.HC, cs.LG, cs.MM, I.2 | Evaluating gesture generation in a large-scale open challenge: The GENEA Challenge 2022 はコメントを受け付けていません

MagicLens: Self-Supervised Image Retrieval with Open-Ended Instructions

投稿日: 2024年3月29日 作成者: jarxiv

要約 画像検索、つまり参照画像から目的の画像を見つけることには、本質的に豊富で多 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.IR, cs.MM | MagicLens: Self-Supervised Image Retrieval with Open-Ended Instructions はコメントを受け付けていません

Bringing Textual Prompt to AI-Generated Image Quality Assessment

投稿日: 2024年3月28日 作成者: jarxiv

要約 AI 生成画像 (AGI) には、本質的にマルチモーダルな性質があります。 … 続きを読む →

カテゴリー: cs.CV, cs.MM | Bringing Textual Prompt to AI-Generated Image Quality Assessment はコメントを受け付けていません

Mitigating Hallucinations in Large Vision-Language Models with Instruction Contrastive Decoding

投稿日: 2024年3月28日 作成者: jarxiv

要約 大規模視覚言語モデル (LVLM) は、視覚入力から状況に応じて詳細で一貫 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | Mitigating Hallucinations in Large Vision-Language Models with Instruction Contrastive Decoding はコメントを受け付けていません

Real Acoustic Fields: An Audio-Visual Room Acoustics Dataset and Benchmark

投稿日: 2024年3月28日 作成者: jarxiv

要約 複数のモダリティから実際の音響室データをキャプチャする Real Acou … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Real Acoustic Fields: An Audio-Visual Room Acoustics Dataset and Benchmark はコメントを受け付けていません

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