「cs.MM」カテゴリーアーカイブ

VIA: A Spatiotemporal Video Adaptation Framework for Global and Local Video Editing

投稿日: 2024年6月19日 作成者: jarxiv

要約 ビデオ編集は、エンターテインメントや教育からプロフェッショナルなコミュニケ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | VIA: A Spatiotemporal Video Adaptation Framework for Global and Local Video Editing はコメントを受け付けていません

Unveiling Encoder-Free Vision-Language Models

投稿日: 2024年6月18日 作成者: jarxiv

要約 既存のビジョン言語モデル (VLM) は、主にビジョン エンコーダに依存し … 続きを読む →

カテゴリー: cs.CV, cs.MM | Unveiling Encoder-Free Vision-Language Models はコメントを受け付けていません

SSTFB: Leveraging self-supervised pretext learning and temporal self-attention with feature branching for real-time video polyp segmentation

投稿日: 2024年6月17日 作成者: jarxiv

要約 ポリープは早期がんの指標であるため、ポリープの発生とその切除を評価すること … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | SSTFB: Leveraging self-supervised pretext learning and temporal self-attention with feature branching for real-time video polyp segmentation はコメントを受け付けていません

CinePile: A Long Video Question Answering Dataset and Benchmark

投稿日: 2024年6月17日 作成者: jarxiv

要約 長い形式のビデオを理解するための現在のデータセットは、ビデオから 1 つま … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM | CinePile: A Long Video Question Answering Dataset and Benchmark はコメントを受け付けていません

PianoMotion10M: Dataset and Benchmark for Hand Motion Generation in Piano Performance

投稿日: 2024年6月14日 作成者: jarxiv

要約 近年、教育における人工知能技術への注目が高まっていますが、効果的な楽器指導 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD, eess.AS | PianoMotion10M: Dataset and Benchmark for Hand Motion Generation in Piano Performance はコメントを受け付けていません

Explore the Limits of Omni-modal Pretraining at Scale

投稿日: 2024年6月14日 作成者: jarxiv

要約 私たちは、あらゆるモダリティを理解し、普遍的な表現を学習できるオムニモーダ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | Explore the Limits of Omni-modal Pretraining at Scale はコメントを受け付けていません

Speech Emotion Recognition with ASR Transcripts: A Comprehensive Study on Word Error Rate and Fusion Techniques

投稿日: 2024年6月13日 作成者: jarxiv

要約 テキスト データは一般に、音声感情認識 (SER) のパフォーマンスと信頼 … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | Speech Emotion Recognition with ASR Transcripts: A Comprehensive Study on Word Error Rate and Fusion Techniques はコメントを受け付けていません

Learning Domain-Invariant Features for Out-of-Context News Detection

投稿日: 2024年6月12日 作成者: jarxiv

要約 文脈を無視したマルチモーダルなニュースは、オンライン メディア プラットフ … 続きを読む →

カテゴリー: cs.CL, cs.MM | Learning Domain-Invariant Features for Out-of-Context News Detection はコメントを受け付けていません

Deep Generative Modeling Reshapes Compression and Transmission: From Efficiency to Resiliency

投稿日: 2024年6月11日 作成者: jarxiv

要約 情報理論と機械学習は密接に関連しており、「同じコインの表裏」とも呼ばれてい … 続きを読む →

カテゴリー: cs.IT, cs.LG, cs.MM, math.IT | Deep Generative Modeling Reshapes Compression and Transmission: From Efficiency to Resiliency はコメントを受け付けていません

Spoken Humanoid Embodied Conversational Agents in Mobile Serious Games: A Usability Assessment

投稿日: 2024年6月11日 作成者: jarxiv

要約 この論文では、音声ヒューマノイド肉体型会話エージェント (HECAs) が … 続きを読む →

カテゴリー: cs.CL, cs.HC, cs.MM, H.5.2 | Spoken Humanoid Embodied Conversational Agents in Mobile Serious Games: A Usability Assessment はコメントを受け付けていません