「cs.MM」カテゴリーアーカイブ

Multi-Modal Discussion Transformer: Integrating Text, Images and Graph Transformers to Detect Hate Speech on Social Media

投稿日: 2023年7月19日 作成者: jarxiv

要約 我々は、オンライン ソーシャル ネットワークにおけるヘイトスピーチを検出す … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.MM, cs.SI | Multi-Modal Discussion Transformer: Integrating Text, Images and Graph Transformers to Detect Hate Speech on Social Media はコメントを受け付けていません

SuS-X: Training-Free Name-Only Transfer of Vision-Language Models

投稿日: 2023年7月18日 作成者: jarxiv

要約 Contrastive Language-Image Pre-traini … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | SuS-X: Training-Free Name-Only Transfer of Vision-Language Models はコメントを受け付けていません

Multi-Task Cross-Modality Attention-Fusion for 2D Object Detection

投稿日: 2023年7月18日 作成者: jarxiv

要約 自動運転には、正確かつ堅牢な物体検出が不可欠です。 画像ベースの検出器は、 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | Multi-Task Cross-Modality Attention-Fusion for 2D Object Detection はコメントを受け付けていません

DiffTAD: Temporal Action Detection with Proposal Denoising Diffusion

投稿日: 2023年7月17日 作成者: jarxiv

要約 我々は、ノイズ除去拡散を備えた時間的アクション検出 (TAD) の新しい定 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | DiffTAD: Temporal Action Detection with Proposal Denoising Diffusion 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14日 作成者: jarxiv

要約 対照学習ベースの事前トレーニング方法は、最近、さまざまな分野で目覚ましい成 … 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

Contrastive Video Question Answering via Video Graph Transformer

投稿日: 2023年7月12日 作成者: jarxiv

要約 私たちは、ビデオ グラフ トランスフォーマー モデル (CoVGT) を介 … 続きを読む →

カテゴリー: cs.CV, cs.MM | Contrastive Video Question Answering via Video Graph Transformer 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11日 作成者: jarxiv

要約 対照学習ベースの事前トレーニング方法は、最近、さまざまな分野で目覚ましい成 … 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

FILM: How can Few-Shot Image Classification Benefit from Pre-Trained Language Models?

投稿日: 2023年7月11日 作成者: jarxiv

要約 フューショット学習は、わずかなサンプルのみで新しいクラスに一般化できるモデ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | FILM: How can Few-Shot Image Classification Benefit from Pre-Trained Language Models? はコメントを受け付けていません

SAS Video-QA: Self-Adaptive Sampling for Efficient Video Question-Answering

投稿日: 2023年7月11日 作成者: jarxiv

要約 ビデオの質問と回答は、ビデオ理解の分野における基本的なタスクです。 Vid … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | SAS Video-QA: Self-Adaptive Sampling for Efficient Video Question-Answering はコメントを受け付けていません

Divide, Evaluate, and Refine: Evaluating and Improving Text-to-Image Alignment with Iterative VQA Feedback

投稿日: 2023年7月11日 作成者: jarxiv

要約 テキスト条件付き画像生成の分野は、潜在拡散モデルの最近の出現により、比類の … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM, stat.ML | Divide, Evaluate, and Refine: Evaluating and Improving Text-to-Image Alignment with Iterative VQA Feedback はコメントを受け付けていません