「cs.MM」カテゴリーアーカイブ

AQUALLM: Audio Question Answering Data Generation Using Large Language Models

投稿日: 2024年1月1日 作成者: jarxiv

要約 音声質問応答 (AQA) は、機械が音声信号と自然言語の質問の両方を分析し … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.MM, cs.SD, eess.AS, I.2.7 | AQUALLM: Audio Question Answering Data Generation Using Large Language Models はコメントを受け付けていません

CARAT: Contrastive Feature Reconstruction and Aggregation for Multi-modal Multi-label Emotion Recognition

投稿日: 2024年1月1日 作成者: jarxiv

要約 マルチモーダル マルチラベル感情認識 (MMER) は、複数のモダリティか … 続きを読む →

カテゴリー: cs.AI, cs.MM | CARAT: Contrastive Feature Reconstruction and Aggregation for Multi-modal Multi-label Emotion Recognition はコメントを受け付けていません

QGFace: Quality-Guided Joint Training For Mixed-Quality Face Recognition

投稿日: 2024年1月1日 作成者: jarxiv

要約 画像内の顔トリミングの品質は、カメラの解像度、距離、照明条件などの多くの要 … 続きを読む →

カテゴリー: cs.CV, cs.MM | QGFace: Quality-Guided Joint Training For Mixed-Quality Face Recognition はコメントを受け付けていません

FlowVid: Taming Imperfect Optical Flows for Consistent Video-to-Video Synthesis

投稿日: 2024年1月1日 作成者: jarxiv

要約 拡散モデルは画像間 (I2I) 合成を変革し、現在ではビデオに浸透していま … 続きを読む →

カテゴリー: cs.CV, cs.MM | FlowVid: Taming Imperfect Optical Flows for Consistent Video-to-Video Synthesis はコメントを受け付けていません

Comparing the robustness of modern no-reference image- and video-quality metrics to adversarial attacks

投稿日: 2024年1月1日 作成者: jarxiv

要約 現在、ニューラル ネットワーク ベースの画像およびビデオ品質メトリクスは、 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, eess.IV | Comparing the robustness of modern no-reference image- and video-quality metrics to adversarial attacks はコメントを受け付けていません

Using Set Covering to Generate Databases for Holistic Steganalysis

投稿日: 2023年12月29日 作成者: jarxiv

要約 運用フレームワーク内では、ステガノグラファーが使用するカバーは、研究者がス … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, eess.IV | Using Set Covering to Generate Databases for Holistic Steganalysis はコメントを受け付けていません

DocMSU: A Comprehensive Benchmark for Document-level Multimodal Sarcasm Understanding

投稿日: 2023年12月27日 作成者: jarxiv

要約 Multimodal Sarcasm Understanding (MSU … 続きを読む →

カテゴリー: cs.CL, cs.MM | DocMSU: A Comprehensive Benchmark for Document-level Multimodal Sarcasm Understanding はコメントを受け付けていません

Transavs: End-To-End Audio-Visual Segmentation With Transformer

投稿日: 2023年12月27日 作成者: jarxiv

要約 オーディオビジュアルセグメンテーション (AVS) は、オーディオ信号を調 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Transavs: End-To-End Audio-Visual Segmentation With Transformer はコメントを受け付けていません

Token-Level Contrastive Learning with Modality-Aware Prompting for Multimodal Intent Recognition

投稿日: 2023年12月25日 作成者: jarxiv

要約 マルチモーダル意図認識は、表情、体の動き、口調などの多様なモダリティを活用 … 続きを読む →

カテゴリー: cs.LG, cs.MM | Token-Level Contrastive Learning with Modality-Aware Prompting for Multimodal Intent Recognition はコメントを受け付けていません

Differentiable JPEG: The Devil is in the Details

投稿日: 2023年12月25日 作成者: jarxiv

要約 JPEG は、依然として最も広く普及している非可逆画像符号化方式の 1 つ … 続きを読む →

カテゴリー: cs.CV, cs.MM | Differentiable JPEG: The Devil is in the Details はコメントを受け付けていません