会员服务
A Survey on Music Generation from Single-Modal, Cross-Modal, and Multi-Modal Perspectives: Data, Methods, and Challenges
Arxiv
0+阅读 · 4月1日
Crossmodal Knowledge Distillation with WordNet-Relaxed Text Embeddings for Robust Image Classification
Arxiv
0+阅读 · 3月31日
ToFu: Visual Tokens Reduction via Fusion for Multi-modal, Multi-patch, Multi-image Task
Arxiv
0+阅读 · 3月6日
MES-RAG: Bringing Multi-modal, Entity-Storage, and Secure Enhancements to RAG
Arxiv
0+阅读 · 3月17日
BloomScene: Lightweight Structured 3D Gaussian Splatting for Crossmodal Scene Generation
Arxiv
0+阅读 · 1月15日
M4SC: An MLLM-based Multi-modal, Multi-task and Multi-user Semantic Communication System
Arxiv
0+阅读 · 2月23日
HarmonicEval: Multi-modal, Multi-task, Multi-criteria Automatic Evaluation Using a Vision Language Model
Arxiv
1+阅读 · 2024年12月19日
MoMu-Diffusion: On Learning Long-Term Motion-Music Synchronization and Correspondence
Arxiv
1+阅读 · 2024年11月4日
Multimodal Industrial Anomaly Detection by Crossmodal Feature Mapping
Arxiv
1+阅读 · 2024年7月8日
Active Sensing Strategy: Multi-Modal, Multi-Robot Source Localization and Mapping in Real-World Settings with Fixed One-Way Switching
Arxiv
1+阅读 · 2024年7月1日
M3LEO: A Multi-Modal, Multi-Label Earth Observation Dataset Integrating Interferometric SAR and RGB Data
Arxiv
0+阅读 · 2024年6月6日
Crossmodal ASR Error Correction with Discrete Speech Units
Arxiv
0+阅读 · 2024年5月26日
Hierarchical Space-Time Attention for Micro-Expression Recognition
Arxiv
0+阅读 · 2024年5月6日
Let's Negotiate! A Survey of Negotiation Dialogue Systems
Arxiv
0+阅读 · 2024年2月2日
Bridging the Gap between Multi-focus and Multi-modal: A Focused Integration Framework for Multi-modal Image Fusion
Arxiv
0+阅读 · 2024年1月31日
参考链接
父主题
深度学习
多媒体
微信扫码咨询专知VIP会员
Top