Joon Son Chung

FlexiAST ermöglicht es Modellen, sich effizient an verschiedene Audio-Patch-Grössen anzupassen.

Die Art und Weise, wie wir Schallquellen mit audio-visuellen Daten identifizieren, zu verbessern.

Eine neue Methode verbessert die Sprecherverifikation, indem sie die Sitzungsvariabilität effektiv handhabt.

Der Artikel bespricht eine automatisierte Methode, um effizient Filmtrailer zu erstellen.

Neue Methoden verbessern die Video-Zusammenfassung mit grossen Datensätzen und fortschrittlichen Modellen.

ElasticAST ermöglicht die effiziente Verarbeitung von Audio mit variabler Länge, ohne wichtige Details zu verlieren.

Eine Studie zur Verbesserung der Klangquellenlokalisierung durch bessere Nutzung von Audio- und visuellen Informationen.

Ein Überblick über die Fortschritte in der Sprechererkennung durch die VoxCeleb Challenge.