「cs.MM」カテゴリーアーカイブ

Unified Hallucination Detection for Multimodal Large Language Models

投稿日: 2024年5月28日 作成者: jarxiv

要約 マルチモーダル タスクの大幅な進歩にも関わらず、マルチモーダル大規模言語モ … 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

Visual Echoes: A Simple Unified Transformer for Audio-Visual Generation

投稿日: 2024年5月27日 作成者: jarxiv

要約 近年、現実的な生成結果と幅広いパーソナライズされたアプリケーションにより、 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Visual Echoes: A Simple Unified Transformer for Audio-Visual Generation はコメントを受け付けていません

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