「cs.MM」カテゴリーアーカイブ

LLaMA-Adapter: Efficient Fine-tuning of Language Models with Zero-init Attention

投稿日: 2023年3月29日 作成者: jarxiv

要約 LLaMA-Adapter は、LLaMA を命令に従うモデルに効率的に微 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | LLaMA-Adapter: Efficient Fine-tuning of Language Models with Zero-init Attention はコメントを受け付けていません

Seeing What You Miss: Vision-Language Pre-training with Semantic Completion Learning

投稿日: 2023年3月28日 作成者: jarxiv

要約 視覚言語事前トレーニング (VLP) モデルがさまざまなモダリティ間で対応 … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | Seeing What You Miss: Vision-Language Pre-training with Semantic Completion Learning はコメントを受け付けていません

Multi-Modal Few-Shot Temporal Action Detection

投稿日: 2023年3月28日 作成者: jarxiv

要約 少数ショット (FS) とゼロ ショット (ZS) 学習は、時間アクション … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | Multi-Modal Few-Shot Temporal Action Detection はコメントを受け付けていません

Borrowing Human Senses: Comment-Aware Self-Training for Social Media Multimodal Classification

投稿日: 2023年3月28日 作成者: jarxiv

要約 ソーシャル メディアは、画像とテキストを組み合わせた大規模なマルチメディア … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.IR, cs.MM | Borrowing Human Senses: Comment-Aware Self-Training for Social Media Multimodal Classification はコメントを受け付けていません

Multi-Modal Few-Shot Object Detection with Meta-Learning-Based Cross-Modal Prompting

投稿日: 2023年3月28日 作成者: jarxiv

要約 この論文では、マルチモーダルな少数ショットオブジェクト検出 (FSOD) … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | Multi-Modal Few-Shot Object Detection with Meta-Learning-Based Cross-Modal Prompting はコメントを受け付けていません

Improving Prediction Performance and Model Interpretability through Attention Mechanisms from Basic and Applied Research Perspectives

投稿日: 2023年3月27日 作成者: jarxiv

要約 ディープラーニング技術の劇的な進歩により、機械学習の研究は、基礎研究と応用 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.LG, cs.MM | Improving Prediction Performance and Model Interpretability through Attention Mechanisms from Basic and Applied Research Perspectives はコメントを受け付けていません

Audio Diffusion Model for Speech Synthesis: A Survey on Text To Speech and Speech Enhancement in Generative AI

投稿日: 2023年3月24日 作成者: jarxiv

要約 ジェネレーティブ AI はさまざまな分野で印象的なパフォーマンスを発揮して … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.MM, cs.SD, eess.AS | Audio Diffusion Model for Speech Synthesis: A Survey on Text To Speech and Speech Enhancement in Generative AI はコメントを受け付けていません

POTTER: Pooling Attention Transformer for Efficient Human Mesh Recovery

投稿日: 2023年3月24日 作成者: jarxiv

要約 Transformer アーキテクチャは、単眼画像からのヒューマン メッシ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | POTTER: Pooling Attention Transformer for Efficient Human Mesh Recovery はコメントを受け付けていません

Plug-and-Play Regulators for Image-Text Matching

投稿日: 2023年3月24日 作成者: jarxiv

要約 きめの細かい対応と視覚的セマンティック アラインメントを活用することで、画 … 続きを読む →

カテゴリー: cs.CV, cs.MM | Plug-and-Play Regulators for Image-Text Matching はコメントを受け付けていません

DDT: A Diffusion-Driven Transformer-based Framework for Human Mesh Recovery from a Video

投稿日: 2023年3月24日 作成者: jarxiv

要約 ヒューマン メッシュ リカバリ (HMR) は、ゲーム、ヒューマン コンピ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.HC, cs.MM | DDT: A Diffusion-Driven Transformer-based Framework for Human Mesh Recovery from a Video はコメントを受け付けていません