Computerwissenschaften - Multimedia

ElasticHash nutzt Deep Learning für schnelle und präzise Bildsuchen.

Ein neues Dataset verbessert die Genauigkeit bei der Text-zu-Bild-Zuordnung.

StyleSync verbessert die Lippen-Synchronisation für digitale Inhalte mit innovativen Techniken.

Eine mathematische Methode zur Bewertung der Schönheit von Musikaufführungen.

Ein neues Modell kombiniert Logik und neuronale Netzwerke, um Fehlinformationen effektiver zu erkennen.

Die Integration von digitalen Zwillingen und dem Metaverse für bessere Erlebnisse erkunden.

Ein neues Tool, das Text und Bilder für verschiedene Aufgaben verbindet.

Analyse der Videoqualität-Vorlieben zwischen HDR und SDR-Formaten.

Die Untersuchung der Formen von Polytopen zeigt interessante Einblicke in tiefe ReLU-Netzwerke.

Neue Methode kombiniert Video-Frames für effizientes Beantworten von Fragen.

Lern, wie HDR-VDP-3 die Bildqualitätsbewertung für verschiedene Anwendungen verbessert.

Neue Methoden verbessern die Sentiment-Analyse mit begrenzten gekennzeichneten Daten.

Ein neues Modell verbessert die Video-Frage-Antwort-Funktion mit Hilfe von Spieltheorie-Prinzipien.

LORIS erzeugt hochwertige Musik, die perfekt mit den Bewegungen im Video synchronisiert ist.

GAMIVAL bewertet die Streaming-Qualität für mobiles Cloud-Gaming ohne Referenzvideos.

SoCoSearch verbessert, wie wir Charaktere in Videoinhalten mithilfe von sozialem Kontext finden.

Ein Datensatz, der darauf abzielt, das Faktenchecken zu verbessern, indem Text und Bilder kombiniert werden.

Eine proaktive Methode, um Bilder vor Deepfake-Manipulationen zu schützen.

Forschung verbessert die Bewertung der Videoqualität mit fortschrittlichen Methoden und umfassenden Datenbanken.

Dieser Artikel schaut sich den aktuellen Stand der Text-zu-Bild-Generierungstechnologie an.

Eine neue Methode verbessert die Segmentierungsgenauigkeit, indem sie Tiefeninformationen ohne Quelldaten integriert.

Eine neue Methode verbessert die Videoproduktion aus Text mit mehr Kontrolle und Qualität.

Forschung zeigt eine Methode, um gesprochene Wörter effizient in Gesang zu verwandeln.

Ein Blick darauf, wie integrierte multimodale Wahrnehmung die Fähigkeiten des maschinellen Lernens verbessert.

CoMoSpeech verbessert die Sprachsynthese-Geschwindigkeit und -Qualität mit einem einfachen Schritt.

Ein Blick auf Hate-Raids und ihren Einfluss auf marginalisierte Streamer.

Eine neue Methode verbessert die Bildkompression, indem sie menschlich freundliche Merkmale priorisiert.

Diese Studie hebt hervor, wie wichtig der Kontext beim Interpretieren von Memes ist.

Eine neue Methode, um einzigartige Musikversionen zu erstellen, indem vorhandene Stücke umsortiert werden.

Ein Datensatz, der dazu dient, die Interaktionen zwischen Kunden und Verkäufern in Geschäften zu verbessern.

Ein modulares Verfahren für Zero-Shot visuelle Fragenbeantwortung vorstellen.

Eine neue Methode, um die Arbeitsschritte mit Videoeinblicken besser zu organisieren.

Verbesserung der Metriken zur Bewertung von Entschärfungsmethoden mit einem neuen Datensatz.

Eine neue Methode verbessert die Vision-Language-Modelle durch Echtzeit-Feedback für bessere Leistung.

Neue Modelle verbessern die Erkennung von Fake News mit verschiedenen Datentechniken.

Occ-BEV verbessert die Fahrzeugwahrnehmung durch Multi-Kamera 3D-Modellierung und Datenintegration.

Ein Blick auf die Nachrichtverstecktechnik von J-UNIWARD und seinen kleinen Rechenfehler.

Ein neuer Ansatz bekämpft Sprach- und Sichtbiais in VQA-Systemen.

Eine Methode zur Verbesserung von komprimierten 3D-Punktwolkendaten mithilfe fortschrittlicher neuronaler Netzwerke.

C-MCR vereinfacht das multimodale Lernen, indem es vorhandenes Wissen effizient verknüpft.