「cs.MM」カテゴリーアーカイブ

GeneCIS: A Benchmark for General Conditional Image Similarity

投稿日: 2023年6月14日 作成者: jarxiv

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 →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | GeneCIS: A Benchmark for General Conditional Image Similarity はコメントを受け付けていません

Video-to-Music Recommendation using Temporal Alignment of Segments

投稿日: 2023年6月13日 作成者: jarxiv

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 →

カテゴリー: cs.IR, cs.LG, cs.MM, cs.SD, eess.AS | Video-to-Music Recommendation using Temporal Alignment of Segments はコメントを受け付けていません

LaDI-VTON: Latent Diffusion Textual-Inversion Enhanced Virtual Try-On

投稿日: 2023年6月12日 作成者: jarxiv

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 →

カテゴリー: cs.AI, cs.CV, cs.MM | LaDI-VTON: Latent Diffusion Textual-Inversion Enhanced Virtual Try-On はコメントを受け付けていません

Factorized Contrastive Learning: Going Beyond Multi-view Redundancy

投稿日: 2023年6月9日 作成者: jarxiv

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 →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | Factorized Contrastive Learning: Going Beyond Multi-view Redundancy はコメントを受け付けていません

Occ-BEV: Multi-Camera Unified Pre-training via 3D Scene Reconstruction

投稿日: 2023年6月8日 作成者: jarxiv

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 →

カテゴリー: cs.CV, cs.MM, cs.RO | Occ-BEV: Multi-Camera Unified Pre-training via 3D Scene Reconstruction はコメントを受け付けていません

An Overview of Challenges in Egocentric Text-Video Retrieval

投稿日: 2023年6月8日 作成者: jarxiv

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 →

カテゴリー: cs.CV, cs.IR, cs.MM | An Overview of Challenges in Egocentric Text-Video Retrieval はコメントを受け付けていません

Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark

投稿日: 2023年6月7日 作成者: jarxiv

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 →

カテゴリー: cs.CV, cs.MM | Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark はコメントを受け付けていません

Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark

投稿日: 2023年6月6日 作成者: jarxiv

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 →

カテゴリー: cs.CV, cs.MM | Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark はコメントを受け付けていません

MAMO: Masked Multimodal Modeling for Fine-Grained Vision-Language Representation Learning

投稿日: 2023年6月6日 作成者: jarxiv

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 →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.MM | MAMO: Masked Multimodal Modeling for Fine-Grained Vision-Language Representation Learning はコメントを受け付けていません

Occ-BEV: Multi-Camera Unified Pre-training via 3D Scene Reconstruction

投稿日: 2023年5月31日 作成者: jarxiv

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 →

カテゴリー: cs.CV, cs.MM, cs.RO | Occ-BEV: Multi-Camera Unified Pre-training via 3D Scene Reconstruction はコメントを受け付けていません