「cs.MM」カテゴリーアーカイブ

MM-BigBench: Evaluating Multimodal Models on Multimodal Content Comprehension Tasks

投稿日: 2023年10月16日 作成者: jarxiv

要約 マルチモーダル大規模言語モデル (MLLM) の人気により、これらのモデル … 続きを読む →

カテゴリー: cs.CL, cs.MM | MM-BigBench: Evaluating Multimodal Models on Multimodal Content Comprehension Tasks はコメントを受け付けていません

Multi-View Class Incremental Learning

投稿日: 2023年10月16日 作成者: jarxiv

要約 マルチビュー学習 (MVL) は、データセットの複数の視点からの情報を統合 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM | Multi-View Class Incremental Learning はコメントを受け付けていません

Exploring Sparse Spatial Relation in Graph Inference for Text-Based VQA

投稿日: 2023年10月16日 作成者: jarxiv

要約 テキストベースのビジュアル質問応答 (TextVQA) は、冗長な関係推論 … 続きを読む →

カテゴリー: cs.CV, cs.MM | Exploring Sparse Spatial Relation in Graph Inference for Text-Based VQA はコメントを受け付けていません

Soundify: Matching Sound Effects to Video

投稿日: 2023年10月16日 作成者: jarxiv

要約 ビデオ編集の分野では、サウンドはオブジェクトに個性を加え、視聴者を空間に没 … 続きを読む →

カテゴリー: cs.CV, cs.HC, cs.MM, cs.SD, eess.AS | Soundify: Matching Sound Effects to Video はコメントを受け付けていません

Can We Edit Multimodal Large Language Models?

投稿日: 2023年10月16日 作成者: jarxiv

要約 このペーパーでは、マルチモーダル大規模言語モデル (MLLM) の編集に焦 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | Can We Edit Multimodal Large Language Models? はコメントを受け付けていません

Can We Edit Multimodal Large Language Models?

投稿日: 2023年10月13日 作成者: jarxiv

要約 このペーパーでは、マルチモーダル大規模言語モデル (MLLM) の編集に焦 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | Can We Edit Multimodal Large Language Models? はコメントを受け付けていません

Soundify: Matching Sound Effects to Video

投稿日: 2023年10月13日 作成者: jarxiv

要約 ビデオ編集の分野では、サウンドはオブジェクトに個性を加え、視聴者を空間に没 … 続きを読む →

カテゴリー: cs.CV, cs.HC, cs.MM, cs.SD, eess.AS | Soundify: Matching Sound Effects to Video はコメントを受け付けていません

altiro3D: Scene representation from single image and novel view synthesis

投稿日: 2023年10月12日 作成者: jarxiv

要約 与えられたオリジナルの RGB 画像またはフラット ビデオから現実を表現す … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.MM | altiro3D: Scene representation from single image and novel view synthesis はコメントを受け付けていません

CM-PIE: Cross-modal perception for interactive-enhanced audio-visual video parsing

投稿日: 2023年10月12日 作成者: jarxiv

要約 オーディオビジュアルビデオの解析は、弱いラベルを使用してセグメントレベルで … 続きを読む →

カテゴリー: cs.CV, cs.MM, I.2.10, I.4.8 | CM-PIE: Cross-modal perception for interactive-enhanced audio-visual video parsing はコメントを受け付けていません

Layout Sequence Prediction From Noisy Mobile Modality

投稿日: 2023年10月11日 作成者: jarxiv

要約 軌道予測は、自動運転やロボット工学などの用途で歩行者の動きを理解する上で重 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM, cs.RO | Layout Sequence Prediction From Noisy Mobile Modality はコメントを受け付けていません