「cs.MM」カテゴリーアーカイブ

Loc4Plan: Locating Before Planning for Outdoor Vision and Language Navigation

投稿日: 2024年8月12日 作成者: jarxiv

要約 視覚と言語ナビゲーション (VLN) は、エージェントが指示を理解し、視覚 … 続きを読む →

カテゴリー: cs.CV, cs.MM | Loc4Plan: Locating Before Planning for Outdoor Vision and Language Navigation はコメントを受け付けていません

Learning Domain-Invariant Features for Out-of-Context News Detection

投稿日: 2024年8月9日 作成者: jarxiv

要約 文脈を無視したニュースは、オンライン メディア プラットフォームでよく見ら … 続きを読む →

カテゴリー: cs.CL, cs.MM | Learning Domain-Invariant Features for Out-of-Context News Detection はコメントを受け付けていません

MM-Forecast: A Multimodal Approach to Temporal Event Forecasting with Large Language Models

投稿日: 2024年8月9日 作成者: jarxiv

要約 私たちは、大規模な言語モデルを使用したマルチモーダル時間イベント予測という … 続きを読む →

カテゴリー: cs.AI, cs.IR, cs.MM, H.3.3 | MM-Forecast: A Multimodal Approach to Temporal Event Forecasting with Large Language Models はコメントを受け付けていません

Edit As You Wish: Video Caption Editing with Multi-grained User Control

投稿日: 2024年8月9日 作成者: jarxiv

要約 ユーザーのリクエストに応じて自然言語でビデオを自動的にナレーションすること … 続きを読む →

カテゴリー: cs.CV, cs.MM | Edit As You Wish: Video Caption Editing with Multi-grained User Control はコメントを受け付けていません

SynopGround: A Large-Scale Dataset for Multi-Paragraph Video Grounding from TV Dramas and Synopses

投稿日: 2024年8月9日 作成者: jarxiv

要約 ビデオ グラウンディングは、マルチモーダル コンテンツの理解における基本的 … 続きを読む →

カテゴリー: cs.CV, cs.MM | SynopGround: A Large-Scale Dataset for Multi-Paragraph Video Grounding from TV Dramas and Synopses はコメントを受け付けていません

Concept Conductor: Orchestrating Multiple Personalized Concepts in Text-to-Image Synthesis

投稿日: 2024年8月8日 作成者: jarxiv

要約 テキストから画像へのモデルのカスタマイズは大幅に進歩しましたが、複数のパー … 続きを読む →

カテゴリー: 68U10, cs.AI, cs.CV, cs.MM, I.4.9 | Concept Conductor: Orchestrating Multiple Personalized Concepts in Text-to-Image Synthesis はコメントを受け付けていません

HiQuE: Hierarchical Question Embedding Network for Multimodal Depression Detection

投稿日: 2024年8月8日 作成者: jarxiv

要約 自動うつ病検出を利用すると、うつ病を経験している人に対する早期介入が大幅に … 続きを読む →

カテゴリー: cs.AI, cs.MM | HiQuE: Hierarchical Question Embedding Network for Multimodal Depression Detection はコメントを受け付けていません

SynopGround: A Large-Scale Dataset for Multi-Paragraph Video Grounding from TV Dramas and Synopses

投稿日: 2024年8月8日 作成者: jarxiv

要約 ビデオ グラウンディングは、マルチモーダル コンテンツの理解における基本的 … 続きを読む →

カテゴリー: cs.CV, cs.MM | SynopGround: A Large-Scale Dataset for Multi-Paragraph Video Grounding from TV Dramas and Synopses はコメントを受け付けていません

New Job, New Gender? Measuring the Social Bias in Image Generation Models

投稿日: 2024年8月8日 作成者: jarxiv

要約 画像生成モデルは、指定されたテキストから画像を生成または編集できます。 D … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.MM, cs.SE | New Job, New Gender? Measuring the Social Bias in Image Generation Models はコメントを受け付けていません

MambaMOS: LiDAR-based 3D Moving Object Segmentation with Motion-aware State Space Model

投稿日: 2024年8月7日 作成者: jarxiv

要約 LiDAR ベースの移動物体セグメンテーション (MOS) は、以前のスキ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.RO, eess.IV | MambaMOS: LiDAR-based 3D Moving Object Segmentation with Motion-aware State Space Model はコメントを受け付けていません