「cs.MM」カテゴリーアーカイブ

MAP: Multimodal Uncertainty-Aware Vision-Language Pre-training Model

投稿日: 2023年7月21日 作成者: jarxiv

要約 マルチモーダルな意味理解では、多くの場合、不確実性に対処する必要があります … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | MAP: Multimodal Uncertainty-Aware Vision-Language Pre-training Model はコメントを受け付けていません

GEmo-CLAP: Gender-Attribute-Enhanced Contrastive Language-Audio Pretraining for Speech Emotion Recognition

投稿日: 2023年7月20日 作成者: jarxiv

要約 対照学習に基づくクロスモダリティ事前トレーニング手法は、最近、さまざまな分 … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | GEmo-CLAP: Gender-Attribute-Enhanced Contrastive Language-Audio Pretraining for Speech Emotion Recognition はコメントを受け付けていません

Embedded Heterogeneous Attention Transformer for Cross-lingual Image Captioning

投稿日: 2023年7月20日 作成者: jarxiv

要約 クロスリンガルの画像キャプションは、マルチメディア分析においてクロスリンガ … 続きを読む →

カテゴリー: cs.CV, cs.MM | Embedded Heterogeneous Attention Transformer for Cross-lingual Image Captioning はコメントを受け付けていません

AGAR: Attention Graph-RNN for Adaptative Motion Prediction of Point Clouds of Deformable Objects

投稿日: 2023年7月20日 作成者: jarxiv

要約 この論文は、人体の動きなど、変形可能な 3D オブジェクトの困難なケースに … 続きを読む →

カテゴリー: cs.CV, cs.MM | AGAR: Attention Graph-RNN for Adaptative Motion Prediction of Point Clouds of Deformable Objects はコメントを受け付けていません

TbExplain: A Text-based Explanation Method for Scene Classification Models with the Statistical Prediction Correction

投稿日: 2023年7月20日 作成者: jarxiv

要約 Explainable Artificial Intelligence ( … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.MM | TbExplain: A Text-based Explanation Method for Scene Classification Models with the Statistical Prediction Correction はコメントを受け付けていません

Self-Supervised Learning for Videos: A Survey

投稿日: 2023年7月20日 作成者: jarxiv

要約 さまざまな分野での深層学習の目覚ましい成功は、大規模な注釈付きデータセット … 続きを読む →

カテゴリー: A.1, cs.CV, cs.MM | Self-Supervised Learning for Videos: A Survey はコメントを受け付けていません

Robustness Analysis of Video-Language Models Against Visual and Language Perturbations

投稿日: 2023年7月19日 作成者: jarxiv

要約 大規模なデータセットでの視覚と言語の共同モデリングは、最近、単一モーダル学 … 続きを読む →

カテゴリー: cs.CV, cs.MM | Robustness Analysis of Video-Language Models Against Visual and Language Perturbations はコメントを受け付けていません

Multi-Modal Discussion Transformer: Integrating Text, Images and Graph Transformers to Detect Hate Speech on Social Media

投稿日: 2023年7月19日 作成者: jarxiv

要約 我々は、オンライン ソーシャル ネットワークにおけるヘイトスピーチを検出す … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.MM, cs.SI | Multi-Modal Discussion Transformer: Integrating Text, Images and Graph Transformers to Detect Hate Speech on Social Media はコメントを受け付けていません

SuS-X: Training-Free Name-Only Transfer of Vision-Language Models

投稿日: 2023年7月18日 作成者: jarxiv

要約 Contrastive Language-Image Pre-traini … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM | SuS-X: Training-Free Name-Only Transfer of Vision-Language Models はコメントを受け付けていません

Multi-Task Cross-Modality Attention-Fusion for 2D Object Detection

投稿日: 2023年7月18日 作成者: jarxiv

要約 自動運転には、正確かつ堅牢な物体検出が不可欠です。 画像ベースの検出器は、 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM | Multi-Task Cross-Modality Attention-Fusion for 2D Object Detection はコメントを受け付けていません