-
最近の投稿
- Topological mapping for traversability-aware long-range navigation in off-road terrain
- Equality Constrained Diffusion for Direct Trajectory Optimization
- Learning-Based Autonomous Navigation, Benchmark Environments and Simulation Framework for Endovascular Interventions
- Language Supervised Human Action Recognition with Salient Fusion: Construction Worker Action Recognition as a Use Case
- Bi-Level Motion Imitation for Humanoid Robots
-
最近のコメント
表示できるコメントはありません。 cs.AI (27641) cs.CL (20879) cs.CR (2167) cs.CV (34375) cs.LG (32373) cs.RO (15816) cs.SY (2460) eess.IV (4221) eess.SY (2454) stat.ML (4339)
「cs.MM」カテゴリーアーカイブ
LAR-IQA: A Lightweight, Accurate, and Robust No-Reference Image Quality Assessment Model
要約 深層学習技術を使用した非参照画像品質評価 (NR-IQA) 分野の最近の進 … 続きを読む
MSLIQA: Enhancing Learning Representations for Image Quality Assessment through Multi-Scale Learning
要約 非参照画像品質評価 (NR-IQA) は、歪みの多様性と注釈付きの大規模な … 続きを読む
SegTalker: Segmentation-based Talking Face Generation with Mask-guided Local Editing
要約 オーディオ駆動の話し顔生成は、入力オーディオに同期した唇の動きを伴うビデオ … 続きを読む
PoseTalk: Text-and-Audio-based Pose Control and Motion Refinement for One-Shot Talking Head Generation
要約 以前のオーディオ駆動型トーキングヘッド生成 (THG) 方法は、駆動オーデ … 続きを読む
ExpLLM: Towards Chain of Thought for Facial Expression Recognition
要約 表情認識 (FER) は、さまざまなドメインに重大な影響を与えるマルチメデ … 続きを読む
LongLLaVA: Scaling Multi-modal LLMs to 1000 Images Efficiently via Hybrid Architecture
要約 マルチモーダル大規模言語モデル (MLLM) のロングコンテキスト機能を拡 … 続きを読む
Show Me the World in My Language: Establishing the First Baseline for Scene-Text to Scene-Text Translation
要約 本研究では、シーンテキストをソース言語(例えばヒンディー語)からターゲット … 続きを読む
Inter-Frame Compression for Dynamic Point Cloud Geometry Coding
要約 効率的な点群圧縮は、仮想現実や複合現実、自律走行、文化遺産などのアプリケー … 続きを読む
TALDS-Net: Task-Aware Adaptive Local Descriptors Selection for Few-shot Image Classification
要約 数ショットの画像分類は、少ないサンプルで未知の新規クラスから画像を分類する … 続きを読む