-
最近の投稿
- KISS-Matcher: Fast and Robust Point Cloud Registration Revisited
- Unpacking Failure Modes of Generative Policies: Runtime Monitoring of Consistency and Progress
- Mode-GS: Monocular Depth Guided Anchored 3D Gaussian Splatting for Robust Ground-View Scene Rendering
- A Universal Formulation for Path-Parametric Planning and Control
- Next Best Sense: Guiding Vision and Touch with FisherRF for 3D Gaussian Splatting
-
最近のコメント
表示できるコメントはありません。 cs.AI (27775) cs.CL (20990) cs.CR (2176) cs.CV (34489) cs.LG (32518) cs.RO (15916) cs.SY (2472) eess.IV (4231) eess.SY (2466) stat.ML (4356)
「cs.MM」カテゴリーアーカイブ
Improving Anomaly Segmentation with Multi-Granularity Cross-Domain Alignment
要約 異常セグメンテーションは、画像内の異常な物体を識別する上で極めて重要な役割 … 続きを読む
PoSynDA: Multi-Hypothesis Pose Synthesis Domain Adaptation for Robust 3D Human Pose Estimation
要約 既存の 3D 人間の姿勢推定器は、トレーニング セットに 2D-3D の姿 … 続きを読む
MM-BigBench: Evaluating Multimodal Models on Multimodal Content Comprehension Tasks
要約 マルチモーダル大規模言語モデル (MLLM) の人気により、これらのモデル … 続きを読む
Multi-View Class Incremental Learning
要約 マルチビュー学習 (MVL) は、データセットの複数の視点からの情報を統合 … 続きを読む
Exploring Sparse Spatial Relation in Graph Inference for Text-Based VQA
要約 テキストベースのビジュアル質問応答 (TextVQA) は、冗長な関係推論 … 続きを読む
Soundify: Matching Sound Effects to Video
要約 ビデオ編集の分野では、サウンドはオブジェクトに個性を加え、視聴者を空間に没 … 続きを読む
Can We Edit Multimodal Large Language Models?
要約 このペーパーでは、マルチモーダル大規模言語モデル (MLLM) の編集に焦 … 続きを読む
Can We Edit Multimodal Large Language Models?
要約 このペーパーでは、マルチモーダル大規模言語モデル (MLLM) の編集に焦 … 続きを読む
Soundify: Matching Sound Effects to Video
要約 ビデオ編集の分野では、サウンドはオブジェクトに個性を加え、視聴者を空間に没 … 続きを読む
altiro3D: Scene representation from single image and novel view synthesis
要約 与えられたオリジナルの RGB 画像またはフラット ビデオから現実を表現す … 続きを読む