[B! pooling][adaptation] arxiv_readerのブックマーク

arxiv_reader id:arxiv_reader

poolingとadaptationに関するarxiv_readerのブックマーク (9)

Valley: 大規模な言語モデルを備えたビデオアシスタントの機能が強化されました
arxiv_reader 2023/06/13
最近、画像と言語を共同理解するためにいくつかのマルチモーダルモデルが開発され、高度なラージ言語モデル (LLM) を利用することで優れたチャット能力が実証されました。このようなモデルを開発するプロ

action recognition

pooling

arXiv reaDer

arXiv

pre-training

video

spatio-temporal

adaptation

multi-task
リンク
TetCNN: 四面体メッシュ上の畳み込みニューラルネットワーク
arxiv_reader 2023/02/09
畳み込みニューラルネットワーク (CNN) は、画像、ビデオ、グラフ、三角メッシュについて広く研究されてきました。ただし、四面体メッシュについてはほとんど研究されていません。脳画像解析などのアプリケ

representation

3D

metric

CNN

pooling

adaptation

arXiv

point cloud

arXiv reaDer

clustering
リンク
https://arxiv-check-250201.firebaseapp.com/each/2211.08217v2
arxiv_reader 2022/11/16
少数の注釈付き手本 (few-shot) または手本なし (no-shot) のみを使用して、画像内の任意のセマンティックカテゴリのローショットカウントを検討します。標準の少数ショットパイプラ

arXiv

zero-shot

localization

one-shot

arXiv reaDer

benchmark

pooling

adaptation

few-shot
リンク
LiteVL: 強化された時空間モデリングによる効率的なビデオ言語学習
arxiv_reader 2022/10/24
最近の大規模なビデオ言語の事前トレーニング済みモデルは、さまざまなダウンストリームタスクで魅力的なパフォーマンスを示しています。ただし、何百万ものビデオとテキストのペアが必要であり、各ビデオのデータ

learning

adaptation

arXiv reaDer

pooling

pre-training

arXiv

embedding

attention

video
リンク
VLAD-VSA：語彙の分離と適応によるクロスドメインフェイスプレゼンテーション攻撃の検出
arxiv_reader 2022/02/22
顔のプレゼンテーション攻撃検出（PAD）の場合、ほとんどのなりすましの手がかりは、微妙なローカル画像パターンです（たとえば、ローカル画像の歪み、3Dマスクエッジ、カットフォトエッジ）。既存のPADの表

arXiv

3D

pooling

detection

face

arXiv reaDer

adaptation

benchmark

representation
リンク
病変セグメンテーションのための集約データセットにおけるコホートバイアス適応
arxiv_reader 2021/08/03
限局性病理学（病変、腫瘍など）の検出とセグメンテーションのために開発された多くの自動機械学習モデルはうまく機能しますが、新しい患者コホートにも一般化されておらず、実際の臨床状況への広範な採用を妨げてい

detection

MRI

dataset

bias

arXiv

pooling

adaptation

arXiv reaDer

segmentation
リンク
視覚的意味埋め込みのための最良のプーリング戦略を学ぶ
arxiv_reader 2021/07/07
Visual Semantic Embedding（VSE）は、視覚データがセマンティックテキストラベルまたは説明の近くに埋め込まれるように、深い埋め込みスペースを学習することを目的とした、視覚言語検

video

adaptation

embedding

pooling

benchmark

pre-training

learning

arXiv

arXiv reaDer

dataset
リンク
視覚的意味埋め込みのための最良のプーリング戦略を学ぶ
arxiv_reader 2021/04/08
Visual Semantic Embedding（VSE）は、視覚データがセマンティックテキストラベルまたは説明の近くに埋め込まれるように、深い埋め込みスペースを学習することを目的とした、視覚言語検

arXiv reaDer

pooling

embedding

pre-training

video

arXiv

benchmark

adaptation

dataset

learning
リンク
視覚的意味埋め込みのための最良のプーリング戦略を学ぶ
arxiv_reader 2020/11/10
Visual Semantic Embedding（VSE）は、視覚データがセマンティックテキストラベルまたは説明の近くに埋め込まれるように、深い埋め込みスペースを学習することを目的とした、視覚言語検

arXiv reaDer

benchmark

pooling

learning

video

dataset

embedding

arXiv

adaptation
リンク
1

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

j次のブックマーク

k前のブックマーク

lあとで読む

eコメント一覧を開く

oページを開く

設定を変更しましたx