multi-modal interactions | BriefGPT

关键词multi-modal interactions

搜索结果 - 5

揭示多模态互动对用户参与度的影响：在 AI 驱动的对话中的综合评估
研究发现，多模态交互在聊天机器人对话中显著提升了用户参与度，尤其是通过三个模态的结合，可以进一步增强用户参与度和信息理解，这为聊天机器人设计提供了有价值的洞见，并向广大人工智能社区阐述了多模态交互在提升用户参与度方面的益处。
PDF15 days ago
ReMamber：基于 Mamba Twister 的图像引用分割
提出了一种新颖的 RIS 架构 ReMamber，该架构整合了 Mamba 的能力与多模态 Mamba Twister 块，并通过独特的通道和空间扭曲机制融合文本和视觉特征，在三个具有挑战性的基准测试中取得了最新的研究成果，并对 ReMam
PDF3 months ago
视频 LLaVA：前投影前学习统一视觉表示
该研究论文提出了一种统一的大规模视觉语言模型（LVLM），通过在语言特征空间中统一视觉表示，学习多模态交互，从而在图像和视频基准任务上取得了卓越性能。
PDF8 months ago
EMNLP重新思考视频采样和推理策略，用于时间性句子定位
本文提出了一种用于时序句子定位的新型 Siamese 取样与推理网络（SSRN），该网络使用 Siamese 取样机制在已有取样的基础上生成额外的情境帧，以更精细地理解活动，解决了已有方法中忽略的时序数据偏差和推理偏差问题，并能够在保证模型
PDF2 years ago
ECCV视频语料库时刻检索的有选择性查询引导去偏差
本研究提出了一种新颖的选择性查询引导去偏置网络 (SQuiDNet)，通过有意地揭示查询中对象固有的偏倚时刻和执行由查询含义引导的选择性去偏倚以结合检索偏差以及查询中的对象、时刻和文本，本研究在三个时刻检索基准测试（即 TVR、Activi
PDF2 years ago