「cs.MM」カテゴリーアーカイブ

Revisiting Pre-training in Audio-Visual Learning

投稿日: 2023年2月8日 作成者: jarxiv

要約 事前学習は、様々なタスクでモデルの性能を向上させるために大きな成功を収めて … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Revisiting Pre-training in Audio-Visual Learning はコメントを受け付けていません

Baseline Method for the Sport Task of MediaEval 2022 with 3D CNNs using Attention Mechanisms

投稿日: 2023年2月7日 作成者: jarxiv

要約 本論文では，MediaEval 2022ベンチマークのスポーツビデオタスク … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | Baseline Method for the Sport Task of MediaEval 2022 with 3D CNNs using Attention Mechanisms はコメントを受け付けていません

Fine-Grained Action Detection with RGB and Pose Information using Two Stream Convolutional Networks

投稿日: 2023年2月7日 作成者: jarxiv

要約 MediaEval 2022 Sport Taskの参加者として、我々は卓 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | Fine-Grained Action Detection with RGB and Pose Information using Two Stream Convolutional Networks はコメントを受け付けていません

M3FAS: An Accurate and Robust MultiModal Mobile Face Anti-Spoofing System

投稿日: 2023年2月6日 作成者: jarxiv

要約 顔認証技術（Face Presentation Attack: FPA）は … 続きを読む →

カテゴリー: cs.CV, cs.MM | M3FAS: An Accurate and Robust MultiModal Mobile Face Anti-Spoofing System はコメントを受け付けていません

Leveraging Modality-specific Representations for Audio-visual Speech Recognition via Reinforcement Learning

投稿日: 2023年2月3日 作成者: jarxiv

要約 視聴覚音声認識 (AVSR) は、音声認識のノイズ ロバスト性を改善するた … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Leveraging Modality-specific Representations for Audio-visual Speech Recognition via Reinforcement Learning はコメントを受け付けていません

mPLUG-2: A Modularized Multi-modal Foundation Model Across Text, Image and Video

投稿日: 2023年2月2日 作成者: jarxiv

要約 近年、言語、ビジョン、およびマルチモーダル事前トレーニングの大きな収束が見 … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | mPLUG-2: A Modularized Multi-modal Foundation Model Across Text, Image and Video はコメントを受け付けていません

Sport Task: Fine Grained Action Detection and Classification of Table Tennis Strokes from Videos for MediaEval 2022

投稿日: 2023年2月1日 作成者: jarxiv

要約 スポーツ ビデオの分析は、広く行われている研究テーマです。 そのアプリケー … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.HC, cs.LG, cs.MM | Sport Task: Fine Grained Action Detection and Classification of Table Tennis Strokes from Videos for MediaEval 2022 はコメントを受け付けていません

Zero3D: Semantic-Driven Multi-Category 3D Shape Generation

投稿日: 2023年2月1日 作成者: jarxiv

要約 セマンティック主導の 3D 形状生成は、テキストに基づいて調整された 3D … 続きを読む →

カテゴリー: cs.CV, cs.MM | Zero3D: Semantic-Driven Multi-Category 3D Shape Generation はコメントを受け付けていません

M3FAS: An Accurate and Robust MultiModal Mobile Face Anti-Spoofing System

投稿日: 2023年1月31日 作成者: jarxiv

要約 フェイス スプーフィングとしても知られるフェイス プレゼンテーション攻撃 … 続きを読む →

カテゴリー: cs.CV, cs.MM | M3FAS: An Accurate and Robust MultiModal Mobile Face Anti-Spoofing System はコメントを受け付けていません

Inter-View Depth Consistency Testing in Depth Difference Subspace

投稿日: 2023年1月30日 作成者: jarxiv

要約 マルチビュー深度画像は、自由視点テレビで重要な役割を果たします。 この技術 … 続きを読む →

カテゴリー: cs.CV, cs.MM, eess.IV | Inter-View Depth Consistency Testing in Depth Difference Subspace はコメントを受け付けていません