「cs.MM」カテゴリーアーカイブ

MolCA: Molecular Graph-Language Modeling with Cross-Modal Projector and Uni-Modal Adapter

投稿日: 2024年1月19日 作成者: jarxiv

要約 言語モデル (LM) は、さまざまな 1D テキスト関連タスクにおいて優れ … 続きを読む →

カテゴリー: cs.CL, cs.MM | MolCA: Molecular Graph-Language Modeling with Cross-Modal Projector and Uni-Modal Adapter はコメントを受け付けていません

Vlogger: Make Your Dream A Vlog

投稿日: 2024年1月18日 作成者: jarxiv

要約 この研究では、ユーザー説明の分レベルのビデオ ブログ (つまり、vlog) … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | Vlogger: Make Your Dream A Vlog はコメントを受け付けていません

Deep Shape-Texture Statistics for Completely Blind Image Quality Evaluation

投稿日: 2024年1月17日 作成者: jarxiv

要約 Opinion-Unaware Blind Image Quality A … 続きを読む →

カテゴリー: cs.CV, cs.MM | Deep Shape-Texture Statistics for Completely Blind Image Quality Evaluation はコメントを受け付けていません

E2HQV: High-Quality Video Generation from Event Camera via Theory-Inspired Model-Aided Deep Learning

投稿日: 2024年1月17日 作成者: jarxiv

要約 生物からインスピレーションを得たイベント カメラまたはダイナミック ビジョ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | E2HQV: High-Quality Video Generation from Event Camera via Theory-Inspired Model-Aided Deep Learning はコメントを受け付けていません

End-to-End Optimized Image Compression with the Frequency-Oriented Transform

投稿日: 2024年1月17日 作成者: jarxiv

要約 画像圧縮は、情報爆発の時代の中で重要な課題となっています。 深層学習手法を … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | End-to-End Optimized Image Compression with the Frequency-Oriented Transform はコメントを受け付けていません

Learning Temporal Resolution in Spectrogram for Audio Classification

投稿日: 2024年1月15日 作成者: jarxiv

要約 オーディオ スペクトログラムは、オーディオの分類に広く使用されている時間と … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS, eess.SP | Learning Temporal Resolution in Spectrogram for Audio Classification はコメントを受け付けていません

Elevating Skeleton-Based Action Recognition with Efficient Multi-Modality Self-Supervision

投稿日: 2024年1月12日 作成者: jarxiv

要約 人間の行動認識のための自己教師あり表現学習は、近年急速に発展しています。 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.RO, eess.IV | Elevating Skeleton-Based Action Recognition with Efficient Multi-Modality Self-Supervision はコメントを受け付けていません

Learning Audio Concepts from Counterfactual Natural Language

投稿日: 2024年1月11日 作成者: jarxiv

要約 従来の音声分類は事前定義されたクラスに依存しており、自由形式のテキストから … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | Learning Audio Concepts from Counterfactual Natural Language はコメントを受け付けていません

mPLUG-PaperOwl: Scientific Diagram Analysis with the Multimodal Large Language Model

投稿日: 2024年1月10日 作成者: jarxiv

要約 最近、ラージ言語モデル (LLM) の強力なテキスト作成能力により、論文の … 続きを読む →

カテゴリー: cs.CL, cs.MM | mPLUG-PaperOwl: Scientific Diagram Analysis with the Multimodal Large Language Model はコメントを受け付けていません

Optimal Transcoding Resolution Prediction for Efficient Per-Title Bitrate Ladder Estimation

投稿日: 2024年1月10日 作成者: jarxiv

要約 アダプティブ ビデオ ストリーミングでは、異種ネットワークの条件とエンドユ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, eess.IV | Optimal Transcoding Resolution Prediction for Efficient Per-Title Bitrate Ladder Estimation はコメントを受け付けていません