-
最近の投稿
- Open-Vocabulary Action Localization with Iterative Visual Prompting
- Patterned Structure Muscle : Arbitrary Shaped Wire-driven Artificial Muscle Utilizing Anisotropic Flexible Structure for Musculoskeletal Robots
- The Power of Input: Benchmarking Zero-Shot Sim-To-Real Transfer of Reinforcement Learning Control Policies for Quadrotor Control
- PokeFlex: A Real-World Dataset of Deformable Objects for Robotics
- Toward a Better Understanding of Robot Energy Consumption in Agroecological Applications
-
最近のコメント
表示できるコメントはありません。 cs.AI (27918) cs.CL (21095) cs.CR (2183) cs.CV (34618) cs.LG (32650) cs.RO (16022) cs.SY (2484) eess.IV (4238) eess.SY (2478) stat.ML (4372)
「cs.MM」カテゴリーアーカイブ
GeneCIS: A Benchmark for General Conditional Image Similarity
要約 私たちは、「類似性」には多くの概念があり、人間と同様にモデルもこれらの概念 … 続きを読む
Video-to-Music Recommendation using Temporal Alignment of Segments
要約 私たちは、ビデオのサウンドトラックとして使用される音楽トラックのクロスモー … 続きを読む
LaDI-VTON: Latent Diffusion Textual-Inversion Enhanced Virtual Try-On
要約 電子商取引とメタバースの急速に進化する分野では、消費者エクスペリエンスを向 … 続きを読む
Factorized Contrastive Learning: Going Beyond Multi-view Redundancy
要約 幅広いマルチモーダルタスクにおいて、対比学習は、ペア情報(画像とキャプショ … 続きを読む
Occ-BEV: Multi-Camera Unified Pre-training via 3D Scene Reconstruction
要約 マルチカメラ 3D 認識は、自動運転における著名な研究分野として浮上してお … 続きを読む
An Overview of Challenges in Egocentric Text-Video Retrieval
要約 テキストビデオの検索には、さまざまな情報源から来るバイアスなど、さまざまな … 続きを読む
Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark
要約 この論文では、MALS と呼ばれる、テキストベースの人物検索のための大規模 … 続きを読む
Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark
要約 本論文では、テキストベースの人物検索のための大規模なMulti-Attri … 続きを読む
MAMO: Masked Multimodal Modeling for Fine-Grained Vision-Language Representation Learning
要約 マルチモーダル表現学習は、様々な視覚-言語タスクにおいて有望な改善策を示し … 続きを読む
Occ-BEV: Multi-Camera Unified Pre-training via 3D Scene Reconstruction
要約 マルチカメラ 3D 認識は、自動運転における著名な研究分野として浮上してお … 続きを読む