「cs.MM」カテゴリーアーカイブ

DLF: Disentangled-Language-Focused Multimodal Sentiment Analysis

投稿日: 2024年12月30日 作成者: jarxiv

要約 マルチモーダル感情分析 (MSA) は、言語、視覚、音声などの異種モダリテ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.MM | DLF: Disentangled-Language-Focused Multimodal Sentiment Analysis はコメントを受け付けていません

Official-NV: An LLM-Generated News Video Dataset for Multimodal Fake News Detection

投稿日: 2024年12月30日 作成者: jarxiv

要約 ニュースメディア、特にビデオニュースメディアは日常生活のあらゆる側面に浸透 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | Official-NV: An LLM-Generated News Video Dataset for Multimodal Fake News Detection はコメントを受け付けていません

Enhancing Vision-Language Tracking by Effectively Converting Textual Cues into Visual Cues

投稿日: 2024年12月30日 作成者: jarxiv

要約 Vision-Language Tracking (VLT) は、視覚的な … 続きを読む →

カテゴリー: cs.CV, cs.MM | Enhancing Vision-Language Tracking by Effectively Converting Textual Cues into Visual Cues はコメントを受け付けていません

Language-Guided Diffusion Model for Visual Grounding

投稿日: 2024年12月30日 作成者: jarxiv

要約 ビジュアル グラウンディング (VG) タスクには、提供された言語フレーズ … 続きを読む →

カテゴリー: cs.CV, cs.MM | Language-Guided Diffusion Model for Visual Grounding はコメントを受け付けていません

RDPM: Solve Diffusion Probabilistic Models via Recurrent Token Prediction

投稿日: 2024年12月30日 作成者: jarxiv

要約 拡散確率モデル (DPM) は、高忠実度画像合成の事実上のアプローチとして … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | RDPM: Solve Diffusion Probabilistic Models via Recurrent Token Prediction はコメントを受け付けていません

RDPM: Solve Diffusion Probabilistic Models via Recurrent Token Prediction

投稿日: 2024年12月25日 作成者: jarxiv

要約 拡散確率モデル (DPM) は、高忠実度画像合成の事実上のアプローチとして … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | RDPM: Solve Diffusion Probabilistic Models via Recurrent Token Prediction はコメントを受け付けていません

DiTCtrl: Exploring Attention Control in Multi-Modal Diffusion Transformer for Tuning-Free Multi-Prompt Longer Video Generation

投稿日: 2024年12月25日 作成者: jarxiv

要約 Sora のようなビデオ生成モデルは、マルチモーダル拡散トランス MM-D … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | DiTCtrl: Exploring Attention Control in Multi-Modal Diffusion Transformer for Tuning-Free Multi-Prompt Longer Video Generation はコメントを受け付けていません

ANID: How Far Are We? Evaluating the Discrepancies Between AI-synthesized Images and Natural Images through Multimodal Guidance

投稿日: 2024年12月24日 作成者: jarxiv

要約 急速に進化する人工知能生成コンテンツ (AIGC) の分野における重要な課 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | ANID: How Far Are We? Evaluating the Discrepancies Between AI-synthesized Images and Natural Images through Multimodal Guidance はコメントを受け付けていません

Stable-V2A: Synthesis of Synchronized Sound Effects with Temporal and Semantic Controls

投稿日: 2024年12月20日 作成者: jarxiv

要約 サウンド デザイナーやフォーリー アーティストは通常​​、ビデオ内の関心の … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Stable-V2A: Synthesis of Synchronized Sound Effects with Temporal and Semantic Controls はコメントを受け付けていません

Prompt-A-Video: Prompt Your Video Diffusion Model via Preference-Aligned LLM

投稿日: 2024年12月20日 作成者: jarxiv

要約 テキストからビデオへのモデルは、高品質のテキストとビデオのペアの最適化を通 … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | Prompt-A-Video: Prompt Your Video Diffusion Model via Preference-Aligned LLM はコメントを受け付けていません