Computerwissenschaften - Multimedia

Das Terrain Diffusion Network verbessert die realistische Landschaftserstellung mit Nutzerbeteiligung.

HierVST verwandelt Stimmen mühelos und verbessert die Audioqualität, ohne viel Daten zu brauchen.

Ein neuer Ansatz verwandelt Gesichtsphotos in menschenähnliche Zeichnungen mit fortschrittlichen Techniken.

Forschung entwickelt ein Modell, um Engagement in Gesprächen genau zu messen.

Ein neuer Ansatz, um RAW-Bilder vor Manipulation zu schützen.

Neue Datensätze und Methoden verbessern die Genauigkeit bei der Video-Frage-Antwortung.

Das UniSA-Framework vereint Aufgaben in der Sentiment-Analyse für bessere Emotionserkennung.

Eine Methode mit Kopfbewegungen täuscht erfolgreich Deepfake-Erkennungssysteme.

Ein Rahmenwerk für die effiziente Anpassung von multimodalen grossen Sprachmodellen.

Prototypen nutzen, um den Datensatzvergleich in der Computervision zu verbessern.

Ein Programm, das visuell ansprechende Typografie erstellt, die auf den Kontext abgestimmt ist.

MusicLDM verwandelt Texte in originelle Musik und eröffnet frische Möglichkeiten für Kreativität.

Neue Methoden verbessern die Genauigkeit beim Herausziehen von Gesangsmelodien aus gemischtem Audio.

Neue Methoden zielen darauf ab, die Audiobeschriftung für bessere Genauigkeit und Effizienz zu verbessern.

Neue Techniken verbessern die Qualitätseinschätzung von Audio-Untertiteln durch automatische Fehlererkennung.

Diese Studie untersucht Methoden zur Klassifizierung der Stimmqualität und deren Bedeutung in der Kommunikation.

Steganalyse hilft dabei, versteckte Nachrichten in Multimedia zu entdecken und sorgt für sichere Kommunikation.

Gesten für virtuelle Agenten umwandeln, während die Bedeutung erhalten bleibt.

Eine Methode, die Audio und Video nutzt, um Deepfake-Detection zu verbessern.

Eine neue Methode erstellt realistische Gesten aus rohem Sprachaudio.

Eine neue Methode zur Erzeugung von Gesten, die gut zur Sprache passen.

Die Erkennung von Subjektivität in Nachrichten ist entscheidend für genaue Informationen.

VEATIC bietet einen reichhaltigeren Datensatz zum Studium menschlicher Emotionen im Kontext.

Die Bewertung der Realität und Qualität von Text-zu-Video-Ausgaben.

Eine neue Methode verbessert die Bildkompression für verschiedene Bildtypen.

In diesem Artikel geht's um den Frame-Längen-Bias bei der Text-Video-Suche und einen neuen Ansatz, um das zu lösen.

Eine neue Methode verbessert, wie Technik menschliches Verhalten in Gruppensituationen erkennt.

Erfahre, wie LP-CLIP die Robustheit von multimodalen Modellen wie CLIP verbessert.

Ein bahnbrechender Datensatz hilft bei der Studie zur Übersetzung von K-Pop-Texten.

AVMIT gibt Forschern Einblicke, wie Sound und Vision in der Aktionserkennnung zusammenhängen.

Eine neue Methode verbessert die Erkennung von gefälschtem Audio in Spracherkennungssystemen.

Diese Studie untersucht, wie das Zuschneiden die Erinnerungsfähigkeit an Videos verbessern kann, indem es sich auf visuelle Auffälligkeit konzentriert.

Bewertung grosser Modelle bei einfachen visuellen Aufgaben durch Q-Bench.

Eine neue Methode verbessert Tonaufnahmen mit visuellen Hinweisen.

Den Einfluss von KI-generierten Inhalten auf die Kunst des Geschichtenerzählens erkunden.

Ein neues System verbindet emotionale Bilder mit Musik für eine bessere Entdeckung.

MFTR verbessert die Genauigkeit der Viewport-Vorhersage für immersive Videoerlebnisse.

Ein System, um die Fernsteuerung von UAVs sicherer und zuverlässiger zu machen, indem ein Digital Twin genutzt wird.

Ein neues Framework identifiziert und misst Vorurteile in Bildgenerierungssystemen.

Erforsche, wie Diffusionsmodelle die Superauflösung in verschiedenen Bereichen verbessern.