「cs.MM」カテゴリーアーカイブ

VERITE: A Robust Benchmark for Multimodal Misinformation Detection Accounting for Unimodal Bias

投稿日: 2023年7月24日 作成者: jarxiv

要約 マルチメディア コンテンツがソーシャル メディア プラットフォーム上で遍在 … 続きを読む →

カテゴリー: cs.CV, cs.MM | VERITE: A Robust Benchmark for Multimodal Misinformation Detection Accounting for Unimodal Bias はコメントを受け付けていません

Positive-Augmented Contrastive Learning for Image and Video Captioning Evaluation

投稿日: 2023年7月21日 作成者: jarxiv

要約 CLIP モデルは、視覚と言語のアーキテクチャから生成されたキャプションの … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | Positive-Augmented Contrastive Learning for Image and Video Captioning Evaluation はコメントを受け付けていません

Meta-Transformer: A Unified Framework for Multimodal Learning

投稿日: 2023年7月21日 作成者: jarxiv

要約 マルチモーダル学習は、複数のモダリティからの情報を処理して関連付けることが … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | Meta-Transformer: A Unified Framework for Multimodal Learning はコメントを受け付けていません

MAP: Multimodal Uncertainty-Aware Vision-Language Pre-training Model

投稿日: 2023年7月21日 作成者: jarxiv

要約 マルチモーダルな意味理解では、多くの場合、不確実性に対処する必要があります … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | MAP: Multimodal Uncertainty-Aware Vision-Language Pre-training Model はコメントを受け付けていません

GEmo-CLAP: Gender-Attribute-Enhanced Contrastive Language-Audio Pretraining for Speech Emotion Recognition

投稿日: 2023年7月20日 作成者: jarxiv

要約 対照学習に基づくクロスモダリティ事前トレーニング手法は、最近、さまざまな分 … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | GEmo-CLAP: Gender-Attribute-Enhanced Contrastive Language-Audio Pretraining for Speech Emotion Recognition はコメントを受け付けていません

Embedded Heterogeneous Attention Transformer for Cross-lingual Image Captioning

投稿日: 2023年7月20日 作成者: jarxiv

要約 クロスリンガルの画像キャプションは、マルチメディア分析においてクロスリンガ … 続きを読む →

カテゴリー: cs.CV, cs.MM | Embedded Heterogeneous Attention Transformer for Cross-lingual Image Captioning はコメントを受け付けていません

AGAR: Attention Graph-RNN for Adaptative Motion Prediction of Point Clouds of Deformable Objects

投稿日: 2023年7月20日 作成者: jarxiv

要約 この論文は、人体の動きなど、変形可能な 3D オブジェクトの困難なケースに … 続きを読む →

カテゴリー: cs.CV, cs.MM | AGAR: Attention Graph-RNN for Adaptative Motion Prediction of Point Clouds of Deformable Objects はコメントを受け付けていません

TbExplain: A Text-based Explanation Method for Scene Classification Models with the Statistical Prediction Correction

投稿日: 2023年7月20日 作成者: jarxiv

要約 Explainable Artificial Intelligence ( … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | TbExplain: A Text-based Explanation Method for Scene Classification Models with the Statistical Prediction Correction はコメントを受け付けていません

Self-Supervised Learning for Videos: A Survey

投稿日: 2023年7月20日 作成者: jarxiv

要約 さまざまな分野での深層学習の目覚ましい成功は、大規模な注釈付きデータセット … 続きを読む →

カテゴリー: A.1, cs.CV, cs.MM | Self-Supervised Learning for Videos: A Survey はコメントを受け付けていません

Robustness Analysis of Video-Language Models Against Visual and Language Perturbations

投稿日: 2023年7月19日 作成者: jarxiv

要約 大規模なデータセットでの視覚と言語の共同モデリングは、最近、単一モーダル学 … 続きを読む →

カテゴリー: cs.CV, cs.MM | Robustness Analysis of Video-Language Models Against Visual and Language Perturbations はコメントを受け付けていません