「cs.MM」カテゴリーアーカイブ

Human Aesthetic Preference-Based Large Text-to-Image Model Personalization: Kandinsky Generation as an Example

投稿日: 2024年2月12日 作成者: jarxiv

要約 ニューラル生成機能の進歩に伴い、アート コミュニティは絵画コンテンツの作成 … 続きを読む →

カテゴリー: cs.AI, cs.HC, cs.MM | Human Aesthetic Preference-Based Large Text-to-Image Model Personalization: Kandinsky Generation as an Example はコメントを受け付けていません

Quantifying and Enhancing Multi-modal Robustness with Modality Preference

投稿日: 2024年2月12日 作成者: jarxiv

要約 マルチモーダル モデルは、さまざまなソースからの情報を効果的に統合する有望 … 続きを読む →

カテゴリー: cs.CV, cs.MM | Quantifying and Enhancing Multi-modal Robustness with Modality Preference はコメントを受け付けていません

Scalable Diffusion Models with State Space Backbone

投稿日: 2024年2月9日 作成者: jarxiv

要約 この論文は、状態空間アーキテクチャに基づいて構築された拡散モデルのカテゴリ … 続きを読む →

カテゴリー: cs.CV, cs.MM | Scalable Diffusion Models with State Space Backbone はコメントを受け付けていません

Accelerated Event-Based Feature Detection and Compression for Surveillance Video Systems

投稿日: 2024年2月9日 作成者: jarxiv

要約 監視ビデオの強力な時間的一貫性により、従来の方法で魅力的な圧縮パフォーマン … 続きを読む →

カテゴリー: cs.CV, cs.MM | Accelerated Event-Based Feature Detection and Compression for Surveillance Video Systems はコメントを受け付けていません

Semantic2Graph: Graph-based Multi-modal Feature Fusion for Action Segmentation in Videos

投稿日: 2024年2月7日 作成者: jarxiv

要約 ビデオ アクション セグメンテーションは、多くの分野で広く適用されています … 続きを読む →

カテゴリー: 68T01, 68T30, 68T45, cs.CV, cs.MM, I.2.10 | Semantic2Graph: Graph-based Multi-modal Feature Fusion for Action Segmentation in Videos はコメントを受け付けていません

Diffusion Models, Image Super-Resolution And Everything: A Survey

投稿日: 2024年2月7日 作成者: jarxiv

要約 拡散モデル (DM) は、画像の超解像度 (SR) 分野を破壊し、画質と人 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | Diffusion Models, Image Super-Resolution And Everything: A Survey はコメントを受け付けていません

Multimodal Speech Enhancement Using Burst Propagation

投稿日: 2024年2月6日 作成者: jarxiv

要約 本論文では、前頭前皮質や他の脳領域の錐体細胞に関する最新の神経学的発見を考 … 続きを読む →

カテゴリー: cs.LG, cs.MM, cs.SD, eess.AS | Multimodal Speech Enhancement Using Burst Propagation はコメントを受け付けていません

Unified Hallucination Detection for Multimodal Large Language Models

投稿日: 2024年2月6日 作成者: jarxiv

要約 マルチモーダルなタスクにおいて大きな進歩を遂げたにもかかわらず、マルチモー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.IR, cs.LG, cs.MM | Unified Hallucination Detection for Multimodal Large Language Models はコメントを受け付けていません

InteractiveVideo: User-Centric Controllable Video Generation with Synergistic Multimodal Instructions

投稿日: 2024年2月6日 作成者: jarxiv

要約 動画生成のためのユーザ中心のフレームワークである$textit{Inter … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | InteractiveVideo: User-Centric Controllable Video Generation with Synergistic Multimodal Instructions はコメントを受け付けていません

Generalized Video Anomaly Event Detection: Systematic Taxonomy and Comparison of Deep Models

投稿日: 2024年2月2日 作成者: jarxiv

要約 ビデオ異常検出 (VAD) は、インテリジェント監視システムにおいて極めて … 続きを読む →

カテゴリー: cs.CV, cs.MM | Generalized Video Anomaly Event Detection: Systematic Taxonomy and Comparison of Deep Models はコメントを受け付けていません