-
最近の投稿
- KISS-Matcher: Fast and Robust Point Cloud Registration Revisited
- Unpacking Failure Modes of Generative Policies: Runtime Monitoring of Consistency and Progress
- Mode-GS: Monocular Depth Guided Anchored 3D Gaussian Splatting for Robust Ground-View Scene Rendering
- A Universal Formulation for Path-Parametric Planning and Control
- Next Best Sense: Guiding Vision and Touch with FisherRF for 3D Gaussian Splatting
-
最近のコメント
表示できるコメントはありません。 cs.AI (27775) cs.CL (20990) cs.CR (2176) cs.CV (34489) cs.LG (32518) cs.RO (15916) cs.SY (2472) eess.IV (4231) eess.SY (2466) stat.ML (4356)
「cs.MM」カテゴリーアーカイブ
TR-DETR: Task-Reciprocal Transformer for Joint Moment Retrieval and Highlight Detection
要約 自然言語クエリに基づくビデオモーメント検索(MR)とハイライト検出(HD) … 続きを読む
EmotionGesture: Audio-Driven Diverse Emotional Co-Speech 3D Gesture Generation
要約 生き生きとした多様な3D共同音声ジェスチャを生成することは、バーチャルアバ … 続きを読む
GMMFormer: Gaussian-Mixture-Model Based Transformer for Efficient Partially Relevant Video Retrieval
要約 テキストクエリが与えられた場合、部分関連ビデオ検索(PRVR)は、適切な瞬 … 続きを読む
WordArt Designer API: User-Driven Artistic Typography Synthesis with Large Language Models on ModelScope
要約 本稿では、ModelScope上の大規模言語モデル(Large Langu … 続きを読む
VGA: Vision and Graph Fused Attention Network for Rumor Detection
要約 ソーシャルメディアの発達に伴い、噂はソーシャルメディア上で広く拡散され、社 … 続きを読む
New Job, New Gender? Measuring the Social Bias in Image Generation Models
要約 画像生成モデルは、指定されたテキストから画像を生成または編集できます。 D … 続きを読む
NU-Class Net: A Novel Deep Learning-based Approach for Video Quality Enhancement
要約 ビデオ コンテンツの人気は急増しており、インターネット トラフィックやモノ … 続きを読む
RS5M and GeoRSCLIP: A Large Scale Vision-Language Dataset and A Large Vision-Language Model for Remote Sensing
要約 広範な画像とテキストのペアデータを利用した事前トレーニング済み視覚言語モデ … 続きを読む
A Survey on Super Resolution for video Enhancement Using GAN
要約 さまざまな研究論文のハイライトをまとめたこの本は、敵対的生成ネットワークな … 続きを読む
Q-Bench: A Benchmark for General-Purpose Foundation Models on Low-level Vision
要約 マルチモダリティ大規模言語モデル (MLLM) の急速な進化により、コンピ … 続きを読む