「cs.MM」カテゴリーアーカイブ

Show Me the World in My Language: Establishing the First Baseline for Scene-Text to Scene-Text Translation

投稿日: 2024年7月18日 作成者: jarxiv

要約 この研究では、シーンのテキストをソース言語 (ヒンディー語など) からター … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | Show Me the World in My Language: Establishing the First Baseline for Scene-Text to Scene-Text Translation はコメントを受け付けていません

Lightning Fast Video Anomaly Detection via Adversarial Knowledge Distillation

投稿日: 2024年7月18日 作成者: jarxiv

要約 我々は、ビデオの異常検出のための非常に高速なフレームレベルのモデルを提案し … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM, stat.ML | Lightning Fast Video Anomaly Detection via Adversarial Knowledge Distillation はコメントを受け付けていません

MMSD-Net: Towards Multi-modal Stuttering Detection

投稿日: 2024年7月17日 作成者: jarxiv

要約 吃音は、音声生成の不規則な中断によって引き起こされる一般的な音声障害であり … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | MMSD-Net: Towards Multi-modal Stuttering Detection はコメントを受け付けていません

MotionCtrl: A Unified and Flexible Motion Controller for Video Generation

投稿日: 2024年7月17日 作成者: jarxiv

要約 ビデオ内の動きは主に、カメラの動きによって引き起こされるカメラの動きと、オ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | MotionCtrl: A Unified and Flexible Motion Controller for Video Generation はコメントを受け付けていません

When Synthetic Traces Hide Real Content: Analysis of Stable Diffusion Image Laundering

投稿日: 2024年7月16日 作成者: jarxiv

要約 近年、リアリティの高い合成画像を作成する方法が大幅に進歩し、目的のコンテン … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | When Synthetic Traces Hide Real Content: Analysis of Stable Diffusion Image Laundering はコメントを受け付けていません

SaMoye: Zero-shot Singing Voice Conversion Based on Feature Disentanglement and Synthesis

投稿日: 2024年7月12日 作成者: jarxiv

要約 歌声変換 (SVC) は、元の内容を維持したまま、特定の音楽作品内の歌手の … 続きを読む →

カテゴリー: 68Txx(Primary)14F05, 91Fxx(Secondary), cs.AI, cs.MM, cs.SD, eess.AS, I.2.7 | SaMoye: Zero-shot Singing Voice Conversion Based on Feature Disentanglement and Synthesis はコメントを受け付けていません

SaMoye: Zero-shot Singing Voice Conversion Based on Feature Disentanglement and Synthesis

投稿日: 2024年7月11日 作成者: jarxiv

要約 歌声変換 (SVC) は、元の内容を維持したまま、特定の音楽作品内の歌手の … 続きを読む →

カテゴリー: 68Txx(Primary)14F05, 91Fxx(Secondary), cs.AI, cs.MM, cs.SD, eess.AS, I.2.7 | SaMoye: Zero-shot Singing Voice Conversion Based on Feature Disentanglement and Synthesis はコメントを受け付けていません

Multi-task Prompt Words Learning for Social Media Content Generation

投稿日: 2024年7月11日 作成者: jarxiv

要約 インターネットの急速な発展は人間の生活を大きく変えました。 人間はソーシャ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | Multi-task Prompt Words Learning for Social Media Content Generation はコメントを受け付けていません

Lightning Fast Video Anomaly Detection via Adversarial Knowledge Distillation

投稿日: 2024年7月11日 作成者: jarxiv

要約 我々は、ビデオの異常検出のための非常に高速なフレームレベルのモデルを提案し … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM, stat.ML | Lightning Fast Video Anomaly Detection via Adversarial Knowledge Distillation はコメントを受け付けていません

RT-LA-VocE: Real-Time Low-SNR Audio-Visual Speech Enhancement

投稿日: 2024年7月11日 作成者: jarxiv

要約 このペーパーでは、今後の入力に依存せずに、ライブ ビデオ ストリームとノイ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | RT-LA-VocE: Real-Time Low-SNR Audio-Visual Speech Enhancement はコメントを受け付けていません