成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
模态
关注
4
综合
百科
VIP
热门
动态
论文
精华
Audio-visual Controlled Video Diffusion with Masked Selective State Spaces Modeling for Natural Talking Head Generation
Arxiv
1+阅读 · 4月3日
Expertized Caption Auto-Enhancement for Video-Text Retrieval
Arxiv
0+阅读 · 4月3日
F-ViTA: Foundation Model Guided Visible to Thermal Translation
Arxiv
0+阅读 · 4月3日
More Modality, More AI: Exploring Design Opportunities of AI-Based Multi-modal Remote Monitoring Technologies for Early Detection of Mental Health Sequelae in Youth Concussion Patients
Arxiv
0+阅读 · 4月3日
MRUCT: Mixed Reality Assistance for Acupuncture Guided by Ultrasonic Computed Tomography
Arxiv
0+阅读 · 4月3日
X-Capture: An Open-Source Portable Device for Multi-Sensory Learning
Arxiv
0+阅读 · 4月3日
Leveraging Modality Tags for Enhanced Cross-Modal Video Retrieval
Arxiv
0+阅读 · 4月3日
Leveraging Modality Tags for Enhanced Cross-Modal Video Retrieval
Arxiv
0+阅读 · 4月2日
Cosmos-Transfer1: Conditional World Generation with Adaptive Multimodal Control
Arxiv
0+阅读 · 4月1日
Text Speaks Louder than Vision: ASCII Art Reveals Textual Biases in Vision-Language Models
Arxiv
0+阅读 · 4月2日
Bridge 2D-3D: Uncertainty-aware Hierarchical Registration Network with Domain Alignment
Arxiv
0+阅读 · 4月2日
PiCo: Jailbreaking Multimodal Large Language Models via $\textbf{Pi}$ctorial $\textbf{Co}$de Contextualization
Arxiv
0+阅读 · 4月2日
AnySat: One Earth Observation Model for Many Resolutions, Scales, and Modalities
Arxiv
0+阅读 · 4月2日
TokenMark: A Modality-Agnostic Watermark for Pre-trained Transformers
Arxiv
0+阅读 · 4月2日
TransforMerger: Transformer-based Voice-Gesture Fusion for Robust Human-Robot Communication
Arxiv
0+阅读 · 4月2日
参考链接
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top