「cs.MM」カテゴリーアーカイブ

WorDepth: Variational Language Prior for Monocular Depth Estimation

投稿日: 2024年5月27日 作成者: jarxiv

要約 単一の画像からの 3 次元 (3D) 再構成は、スケールなどの固有の曖昧さ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | WorDepth: Variational Language Prior for Monocular Depth Estimation はコメントを受け付けていません

Looking Backward: Streaming Video-to-Video Translation with Feature Banks

投稿日: 2024年5月27日 作成者: jarxiv

要約 このペーパーでは、ユーザー プロンプトを使用してリアルタイムのストリーミン … 続きを読む →

カテゴリー: cs.CV, cs.MM | Looking Backward: Streaming Video-to-Video Translation with Feature Banks はコメントを受け付けていません

OpFlowTalker: Realistic and Natural Talking Face Generation via Optical Flow Guidance

投稿日: 2024年5月24日 作成者: jarxiv

要約 リアルで自然な、唇で読み取れる話し顔ビデオを作成することは、依然として困難 … 続きを読む →

カテゴリー: cs.CV, cs.MM | OpFlowTalker: Realistic and Natural Talking Face Generation via Optical Flow Guidance はコメントを受け付けていません

A Dataset and Baselines for Measuring and Predicting the Music Piece Memorability

投稿日: 2024年5月22日 作成者: jarxiv

要約 今日、人類は自発的なストリーミング サービスやコマーシャルの休憩中の偶然の … 続きを読む →

カテゴリー: cs.IR, cs.LG, cs.MM, cs.SD, eess.AS | A Dataset and Baselines for Measuring and Predicting the Music Piece Memorability はコメントを受け付けていません

ProtT3: Protein-to-Text Generation for Text-based Protein Understanding

投稿日: 2024年5月22日 作成者: jarxiv

要約 言語モデル (LM) は、生物医学の質問応答タスクで明らかなように、タンパ … 続きを読む →

カテゴリー: cs.CL, cs.MM, q-bio.QM | ProtT3: Protein-to-Text Generation for Text-based Protein Understanding はコメントを受け付けていません

Unsupervised Multimodal Clustering for Semantics Discovery in Multimodal Utterances

投稿日: 2024年5月22日 作成者: jarxiv

要約 マルチモーダルな発話の意味論を発見することは、人間の言語を理解し、人間と機 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.MM | Unsupervised Multimodal Clustering for Semantics Discovery in Multimodal Utterances はコメントを受け付けていません

Alzheimer’s Magnetic Resonance Imaging Classification Using Deep and Meta-Learning Models

投稿日: 2024年5月21日 作成者: jarxiv

要約 最先端の機械学習アプローチであるディープラーニングは、特に医療分野において … 続きを読む →

カテゴリー: cs.CV, cs.ET, cs.LG, cs.MM | Alzheimer’s Magnetic Resonance Imaging Classification Using Deep and Meta-Learning Models はコメントを受け付けていません

Images that Sound: Composing Images and Sounds on a Single Canvas

投稿日: 2024年5月21日 作成者: jarxiv

要約 スペクトログラムは、私たちの視覚世界にある画像とは大きく異なるサウンドの … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Images that Sound: Composing Images and Sounds on a Single Canvas はコメントを受け付けていません

Picking watermarks from noise (PWFN): an improved robust watermarking model against intensive distortions

投稿日: 2024年5月20日 作成者: jarxiv

要約 電子透かしは、人間の目には検出できない方法で画像を変更することで秘密情報を … 続きを読む →

カテゴリー: cs.CV, cs.MM, eess.IV | Picking watermarks from noise (PWFN): an improved robust watermarking model against intensive distortions はコメントを受け付けていません

Distilling Implicit Multimodal Knowledge into LLMs for Zero-Resource Dialogue Generation

投稿日: 2024年5月17日 作成者: jarxiv

要約 マルチモーダルな知識を大規模言語モデル (LLM) に統合することは、対話 … 続きを読む →

カテゴリー: cs.CL, cs.MM | Distilling Implicit Multimodal Knowledge into LLMs for Zero-Resource Dialogue Generation はコメントを受け付けていません