「cs.MM」カテゴリーアーカイブ

Learning to Generate Conditional Tri-plane for 3D-aware Expression Controllable Portrait Animation

投稿日: 2024年7月24日 作成者: jarxiv

要約 このペーパーでは、特定のポートレート画像の顔の表情とカメラビューを制御でき … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | Learning to Generate Conditional Tri-plane for 3D-aware Expression Controllable Portrait Animation はコメントを受け付けていません

QPT V2: Masked Image Modeling Advances Visual Scoring

投稿日: 2024年7月24日 作成者: jarxiv

要約 品質評価と美的評価は、視覚コンテンツの知覚された品質と美的感覚を評価するこ … 続きを読む →

カテゴリー: cs.CV, cs.MM | QPT V2: Masked Image Modeling Advances Visual Scoring はコメントを受け付けていません

MicroEmo: Time-Sensitive Multimodal Emotion Recognition with Micro-Expression Dynamics in Video Dialogues

投稿日: 2024年7月24日 作成者: jarxiv

要約 マルチモーダル大規模言語モデル (MLLM) は、ビデオ内の視覚、音響、言 … 続きを読む →

カテゴリー: cs.CV, cs.MM | MicroEmo: Time-Sensitive Multimodal Emotion Recognition with Micro-Expression Dynamics in Video Dialogues はコメントを受け付けていません

Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization

投稿日: 2024年7月24日 作成者: jarxiv

要約 最近、新しい形式の音声部分偽造がフォレンジックに課題をもたらしており、長時 … 続きを読む →

カテゴリー: 68T07, 68T10, cs.CV, cs.MM, cs.SD, eess.AS, I.2 | Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization はコメントを受け付けていません

FakingRecipe: Detecting Fake News on Short Video Platforms from the Perspective of Creative Process

投稿日: 2024年7月24日 作成者: jarxiv

要約 ショートビデオ共有プラットフォームがニュース消費の重要なチャネルになるにつ … 続きを読む →

カテゴリー: cs.CV, cs.CY, cs.MM | FakingRecipe: Detecting Fake News on Short Video Platforms from the Perspective of Creative Process はコメントを受け付けていません

360VFI: A Dataset and Benchmark for Omnidirectional Video Frame Interpolation

投稿日: 2024年7月23日 作成者: jarxiv

要約 VR関連技術の発展により、視聴者はヘッドマウントディスプレイを通じてリアル … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM | 360VFI: A Dataset and Benchmark for Omnidirectional Video Frame Interpolation はコメントを受け付けていません

HaloQuest: A Visual Hallucination Dataset for Advancing Multimodal Reasoning

投稿日: 2024年7月23日 作成者: jarxiv

要約 幻覚は大規模な言語モデルにとって大きな問題であり、視覚言語モデル (VLM … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | HaloQuest: A Visual Hallucination Dataset for Advancing Multimodal Reasoning はコメントを受け付けていません

Multimodal Misinformation Detection using Large Vision-Language Models

投稿日: 2024年7月22日 作成者: jarxiv

要約 誤った情報の蔓延とその憂慮すべき影響により、産業界と学界の両方が誤った情報 … 続きを読む →

カテゴリー: cs.CL, cs.IR, cs.MM | Multimodal Misinformation Detection using Large Vision-Language Models はコメントを受け付けていません

Towards Assessing Data Replication in Music Generation with Music Similarity Metrics on Raw Audio

投稿日: 2024年7月22日 作成者: jarxiv

要約 音楽生成における最近の進歩により、創造的な音楽プロセス、現在のビジネス モ … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | Towards Assessing Data Replication in Music Generation with Music Similarity Metrics on Raw Audio はコメントを受け付けていません

Aligning Sight and Sound: Advanced Sound Source Localization Through Audio-Visual Alignment

投稿日: 2024年7月19日 作成者: jarxiv

要約 学習ベースの音源定位に関する最近の研究は、主に定位パフォーマンスの観点に焦 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Aligning Sight and Sound: Advanced Sound Source Localization Through Audio-Visual Alignment はコメントを受け付けていません