multi-modal dataset | BriefGPT

关键词multi-modal dataset

搜索结果 - 26

CVPR使用野外动态抓取数据对单目三维狗姿态估计进行基准测试
我们介绍了一种针对从野外单眼图像中进行 3D 犬姿势估计的新型基准分析。我们使用了一个多模态数据集 3DDogs-Lab，其中拍摄了不同品种狗在走道上奔跑的情景，并包含了来自光学标记的运动捕捉系统、RGBD 相机、IMU 以及压力垫的数据。
PDF14 days ago
一个针对多模态气候变化感知作物产量预测的开放和大规模数据集
通过引入 CropNet 数据集，该研究提供了一个多模态数据集，用于在县级别上准确预测作物产量，考虑了短期和长期气候变化的影响，并验证了其在气候变化感知作物产量预测中的一般适用性和有效性。
PDF24 days ago
SCaRL - 自主驾驶的综合多模态数据集
我们提供了一个新颖的合成多模态数据集 SCaRL，用于训练和验证自动驾驶解决方案。SCaRL 是一个基于 CAR LA 模拟器的大型数据集，提供了多样化的动态场景和交通条件的数据，并且是第一个包含了合成激光雷达和 MIMO 雷达传感器数据的
PDFa month ago
MM-Retinal: 知识增强的基础预训练及其在眼底图像文本专业领域中的应用
提出了 MM-Retinal 基金 us 图像分析模型，该模型通过多模态数据集以及 KeepFIT 知识增强基础预训练模型，实现了六个未见任务中的最先进性能，并在零样本和少样本场景中展现了出色的泛化能力。
PDFa month ago
MM3DGS SLAM：多模态三维高斯着色法在 SLAM 中使用视觉、深度和惯性测量
使用 3D 高斯地图表示方法，并结合未放置相机图像和惯性测量数据，能够实现准确的同步定位与映射（SLAM），并解决了神经辐射场表示方法的局限性，实现了更快的渲染、尺度感知和轨迹跟踪。同时，作者提供了 UT-MM 多模态数据集，经实验评估表明
PDF3 months ago
CVPRDanceCamera3D：音乐和舞蹈的三维摄像机运动合成
通过提出多模态三维数据集 DCM 和基于 Transformer 的扩散模型 DanceCamera3D，综合定量和定性证据显示了 DanceCamera3D 模型的有效性，以解决舞蹈摄像机运动与音乐和舞蹈的综合问题。
PDF3 months ago
TartanAviation：终端空域操作的图像、语音和 ADS-B 轨迹数据集
TartanAviation 是一个开源的多模态数据集，集中在终端区域空域操作上，提供了图片、语音和 ADS-B 轨迹数据，可用于在空中交通管制系统中集成人工智能和机器学习技术以及推进自主飞行器的采用。
PDF4 months ago
通过模型自我消歧来学习多源数据的多功能医学图像分割
通过利用现有数据的局部或稀疏标注分割标签，我们开发了一种成本效益方法来解决与来自不同来源的数据的标签歧义、模态、数据集和分割标签的不平衡相关的挑战，实验结果表明，我们的方法在腹部器官分割的多模态数据集上表现出卓越的性能，凸显出优化现有标注数
PDF8 months ago
MMNPF-200: 一种非照相般视频的多模态眼睛注视数据集和方法
为了理解人们如何感知非写实视频中的眼动（即，显著性检测），从而提高媒体制作、艺术设计和游戏用户体验，本研究提出了 NPF-200 这一纯非写实视频的大规模多模态数据集，研究了自然图像与非写实数据之间的差距，并提出了一种称为 NPSNet 的
PDF10 months ago
ThermRad: 一个用于在挑战条件下进行稳健的三维物体检测的多模态数据集
提出了一种新的多模态数据集 ThermRad，其中包含 3D LiDAR、4D 雷达、RGB 摄像头和热成像摄像头的数据，在恶劣气象条件下，通过融合 4D 雷达和热成像摄像头的 RTDF-RCNN 方法，有效提高了车辆、行人和骑行者的 3D
PDF10 months ago
3D 大型场景的人类中心场景理解
本文提出了一个大规模多模态数据集 HuCenLife，用于人类中心场景理解，可用于人类姿势和动作的多样性、人与环境的复杂交互、拥挤场景中的遮挡等问题的研究，还提供了用于分割、检测和动作识别的基准测试任务，并设计了适用于大规模人类中心场景的新
PDFa year ago
ACL将性教育与引诱性内容分开：不是性暗示，是教育
我们介绍了 SexTok，这是一个多模态数据集，由标记为在视觉上具有性暗示的 TikTok 视频、性教育内容或者两者都不具备的视频组成。我们的研究旨在区分 TikTok 上的性暗示内容和虚拟性教育视频，验证了该数据集的重要性，并探索了基于
PDFa year ago
基于大语言模型的具身化任务规划
本文提出了一种利用多模态数据集进行物理约束的低水平嵌入式任务规划方法，并通过与 GPT-3.5 和 LLaVA 等方法进行对比实验，证明了该方法相比其他现有解决方案在普适的复杂环境中具有更高的成功率。
PDFa year ago
COLINGImageArg：用于图像说服挖掘的多模态推特数据集
本研究的重点在于将具有说服力的图像转换为多模式数据，开发用于自动化系统的多模式数据集，然后使用这个数据集对图像说服力任务进行基准测试和实验，通过开发一种说服分类方法来划分图像的说服功能和说服方式，为这一高级领域提供有用的资源。
PDF2 years ago
EMNLP评估单口喜剧中的幽默系数：“你认为你很搞笑？
本文创建了一个通过标注观众的笑声来注释训练数据的幽默系数得分的新型评分机制的多模态幽默注释数据集，用于训练一个给予音频及相应文本一个五分量表中的 “有趣程度” 分数的模型，并比较了各种神经语言模型的幽默评分任务，其 QWK 准确度达到了 0
PDF3 years ago
EMNLP使用三元编码模型的多模态表格和文本检索
本文提出了一种处理同时在文本和表格中找到答案的问答模型，使用多模态数据集及向量嵌入模型进一步提高检索性能，其中 tri-encoders 模型的检索性能较 bi-encoders 模型更佳。
PDF3 years ago
CVPRChaLearn LAP 大规模独立演讲者隔离手语识别挑战赛：设计，结果与未来研究
本研究分析了 ChaLearn LAP 大规模无关签名 SLR 挑战赛的结果，结果显示该赛事从很多方面挑战了现有的 SLR 模型，并提出了各种应对挑战的方案，但模型仍然不能区分非常相似的手势。
PDF3 years ago
AI 编舞家：基于 AIST++ 的音乐驱动 3D 舞蹈生成
使用 AIST++ 数据集和 FACT 网络，我们展示了可以产生逼真，与输入音乐很好匹配的 3D 舞蹈动作的方法。
PDF3 years ago
AUTSL：一个大规模的多模态土耳其手语数据集和基准方法
本文介绍了一种新的大规模多模式土耳其手语数据集 (AUTSL)，为性能评估提供了基准模型；使用卷积神经网络提取特征、使用单向和双向 LSTM 模型表征时间信息，以及结合特征池化模块和时间注意力来提高模型性能。在 AUTSL 随机训练和测试集
PDF4 years ago
自然对话中连续情感识别的多模态传感器数据集 K-EmoCon
本文介绍了 K-EmoCon 数据集，该数据集支持从多个角度评估社交互动中的持续情感，并包括音频 / 视觉记录、EEG 和外围生理信号等多模态测量。
PDF4 years ago