「cs.MM」カテゴリーアーカイブ

QGFace: Quality-Guided Joint Training For Mixed-Quality Face Recognition

投稿日: 2024年1月1日 作成者: jarxiv

要約 画像内の顔トリミングの品質は、カメラの解像度、距離、照明条件などの多くの要 … 続きを読む →

カテゴリー: cs.CV, cs.MM | QGFace: Quality-Guided Joint Training For Mixed-Quality Face Recognition はコメントを受け付けていません

FlowVid: Taming Imperfect Optical Flows for Consistent Video-to-Video Synthesis

投稿日: 2024年1月1日 作成者: jarxiv

要約 拡散モデルは画像間 (I2I) 合成を変革し、現在ではビデオに浸透していま … 続きを読む →

カテゴリー: cs.CV, cs.MM | FlowVid: Taming Imperfect Optical Flows for Consistent Video-to-Video Synthesis はコメントを受け付けていません

Comparing the robustness of modern no-reference image- and video-quality metrics to adversarial attacks

投稿日: 2024年1月1日 作成者: jarxiv

要約 現在、ニューラル ネットワーク ベースの画像およびビデオ品質メトリクスは、 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, eess.IV | Comparing the robustness of modern no-reference image- and video-quality metrics to adversarial attacks はコメントを受け付けていません

Using Set Covering to Generate Databases for Holistic Steganalysis

投稿日: 2023年12月29日 作成者: jarxiv

要約 運用フレームワーク内では、ステガノグラファーが使用するカバーは、研究者がス … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, eess.IV | Using Set Covering to Generate Databases for Holistic Steganalysis はコメントを受け付けていません

DocMSU: A Comprehensive Benchmark for Document-level Multimodal Sarcasm Understanding

投稿日: 2023年12月27日 作成者: jarxiv

要約 Multimodal Sarcasm Understanding (MSU … 続きを読む →

カテゴリー: cs.CL, cs.MM | DocMSU: A Comprehensive Benchmark for Document-level Multimodal Sarcasm Understanding はコメントを受け付けていません

Transavs: End-To-End Audio-Visual Segmentation With Transformer

投稿日: 2023年12月27日 作成者: jarxiv

要約 オーディオビジュアルセグメンテーション (AVS) は、オーディオ信号を調 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Transavs: End-To-End Audio-Visual Segmentation With Transformer はコメントを受け付けていません

Token-Level Contrastive Learning with Modality-Aware Prompting for Multimodal Intent Recognition

投稿日: 2023年12月25日 作成者: jarxiv

要約 マルチモーダル意図認識は、表情、体の動き、口調などの多様なモダリティを活用 … 続きを読む →

カテゴリー: cs.LG, cs.MM | Token-Level Contrastive Learning with Modality-Aware Prompting for Multimodal Intent Recognition はコメントを受け付けていません

Differentiable JPEG: The Devil is in the Details

投稿日: 2023年12月25日 作成者: jarxiv

要約 JPEG は、依然として最も広く普及している非可逆画像符号化方式の 1 つ … 続きを読む →

カテゴリー: cs.CV, cs.MM | Differentiable JPEG: The Devil is in the Details はコメントを受け付けていません

VIEScore: Towards Explainable Metrics for Conditional Image Synthesis Evaluation

投稿日: 2023年12月25日 作成者: jarxiv

要約 急速に進歩している条件付き画像生成研究の分野では、さまざまなモデルのパフォ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | VIEScore: Towards Explainable Metrics for Conditional Image Synthesis Evaluation はコメントを受け付けていません

UnIVAL: Unified Model for Image, Video, Audio and Language Tasks

投稿日: 2023年12月25日 作成者: jarxiv

要約 大規模言語モデル (LLM) により、ゼネラリスト エージェントの野心的な … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | UnIVAL: Unified Model for Image, Video, Audio and Language Tasks はコメントを受け付けていません