「cs.MM」カテゴリーアーカイブ

Vision-Language Instruction Tuning: A Review and Analysis

投稿日: 2023年11月15日 作成者: jarxiv

要約 命令チューニングは、大規模言語モデル (LLM) にとって不可欠な教師あり … 続きを読む →

カテゴリー: cs.CV, cs.MM | Vision-Language Instruction Tuning: A Review and Analysis はコメントを受け付けていません

Instant3D: Instant Text-to-3D Generation

投稿日: 2023年11月15日 作成者: jarxiv

要約 Text-to-3D 生成は、テキスト プロンプトから鮮やかな 3D オブ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.GR, cs.LG, cs.MM | Instant3D: Instant Text-to-3D Generation はコメントを受け付けていません

NewsGPT: ChatGPT Integration for Robot-Reporter

投稿日: 2023年11月14日 作成者: jarxiv

要約 大規模言語モデル (LLM) とソーシャル ロボットの統合は、人工知能 ( … 続きを読む →

カテゴリー: cs.HC, cs.MM, cs.RO | NewsGPT: ChatGPT Integration for Robot-Reporter はコメントを受け付けていません

GPT-4V(ision) as A Social Media Analysis Engine

投稿日: 2023年11月14日 作成者: jarxiv

要約 最近の研究により、さまざまな一般的な視覚および言語タスクにおける大規模マル … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM | GPT-4V(ision) as A Social Media Analysis Engine はコメントを受け付けていません

(Un)likelihood Training for Interpretable Embedding

投稿日: 2023年11月13日 作成者: jarxiv

要約 クロスモーダル表現学習は、テキストとビジュアル データの間の意味論的なギャ … 続きを読む →

カテゴリー: cs.CV, cs.IR, cs.MM | (Un)likelihood Training for Interpretable Embedding はコメントを受け付けていません

Learning Contrastive Self-Distillation for Ultra-Fine-Grained Visual Categorization Targeting Limited Samples

投稿日: 2023年11月13日 作成者: jarxiv

要約 インテリジェントなマルチメディア分析の分野では、超細粒視覚分類 (Ultr … 続きを読む →

カテゴリー: cs.CV, cs.MM | Learning Contrastive Self-Distillation for Ultra-Fine-Grained Visual Categorization Targeting Limited Samples はコメントを受け付けていません

VDIP-TGV: Blind Image Deconvolution via Variational Deep Image Prior Empowered by Total Generalized Variation

投稿日: 2023年11月13日 作成者: jarxiv

要約 未知のブラー カーネルを使用してぼやけた画像から鮮明な画像を回復することは … 続きを読む →

カテゴリー: cs.CV, cs.MM, eess.IV | VDIP-TGV: Blind Image Deconvolution via Variational Deep Image Prior Empowered by Total Generalized Variation はコメントを受け付けていません

MultiIoT: Towards Large-scale Multisensory Learning for the Internet of Things

投稿日: 2023年11月13日 作成者: jarxiv

要約 モノのインターネット (IoT) は、他のデバイスやシステムと接続してデー … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | MultiIoT: Towards Large-scale Multisensory Learning for the Internet of Things はコメントを受け付けていません

LLaVA-Plus: Learning to Use Tools for Creating Multimodal Agents

投稿日: 2023年11月10日 作成者: jarxiv

要約 LLaVA-Plus は、大規模なマルチモーダル モデルの機能を拡張する汎 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | LLaVA-Plus: Learning to Use Tools for Creating Multimodal Agents はコメントを受け付けていません

Control3D: Towards Controllable Text-to-3D Generation

投稿日: 2023年11月10日 作成者: jarxiv

要約 大規模なテキストから画像への拡散モデルにおける最近の目覚ましい進歩により、 … 続きを読む →

カテゴリー: cs.CV, cs.MM | Control3D: Towards Controllable Text-to-3D Generation はコメントを受け付けていません