Computerwissenschaften - Multimedia

Ein Framework, das Deepfake-Inhalte effektiv durch kombinierte Audio- und Videoanalyse identifiziert.

Ein neuer Massstab zur Bewertung von Modellen, die Musik und Sprache analysieren.

Ein neuer Ansatz kombiniert Audio-, Video- und Textdaten für eine effektive Diagnostik von Depressionen.

Ein neues Framework verbessert die Klassifizierung in unbekannten audio-visuellen Aufgaben.

Ein neues Modell verbessert die Silhouetten-Segmentierung mit RF-Signalen für besseres Motion-Capturing.

Neuer Datensatz gibt Einblicke in Hassrede über Sprachen und Formate hinweg.

Neues Framework verbessert die Bildverarbeitung in multimodalen grossen Sprachmodellen.

AxiomVision bietet einen neuen Ansatz zur Videoanalyse, der die Leistung bei wechselnden Bedingungen verbessert.

Neue Systeme kombinieren Audio und Video für eine bessere Gewaltüberwachung in öffentlichen Räumen.

Ein neues System verbessert Videoanrufe auf günstigen VR-Headsets mit Sprachsteuerung.

Ein klarer Leitfaden zu Manuskripttypen und Einreichungsproblemen.

Eine neue Methode verbessert die Objekterkennung in Videos durch Geräusche und visuelle Hinweise.

Ein Blick auf Strategien, um mit langgezogenen Daten im maschinellen Lernen umzugehen.

Eine neue Methode verbessert die Erkennung von Ausreissern in Multi-View-Daten mit fehlenden Ansichten.

Eine Studie über die Herausforderungen und Lösungen für Halluzinationen in MLLMs.

Ein Framework zur Bekämpfung von Datenrauschen in multimodalen Abruftechniken.

Ein neuer Datensatz unterstützt bessere Werkzeuge zur Erkennung von Betrug mit Ausweisdokumenten.

MMPKUBase bietet über 52.000 chinesische Fächer mit tollen Bildern.

TEAdapter verbessert die Musikgenerierung aus Text und gibt den Nutzern mehr Kontrolle und Kreativität.

Ein neuartiger Datensatz und eine Methode verbessern das Video-Grundieren für komplexe Geschichten.

Eine neue Methode verbessert die Erkennung von Gesichtsdeepfakes.

Lighthouse vereinfacht die Suche nach Video-Momenten und die Erkennung von Highlights für Forscher.

Neues Machine-Learning-Modell verbessert Audioquellen-Trenntechniken.

Ein System zur Verbesserung der Sprachverständlichkeit in lauten Umgebungen mit Hilfe von Smart Glasses.

COM Kitchens bietet ungeschnittene Kochvideos, um die Lebensmittelzubereitungsprozesse zu studieren.

ReSyncer verbessert die Videoqualität und Flexibilität für Lippenbewegungen, die mit dem Audio synchronisiert sind.

Neurales Tuning einführen, um die Multitasking-Fähigkeiten grosser Modelle effektiv zu verbessern.

Eine neue Methode verbessert Produktsuchen über verschiedene Medienformate hinweg.

Ein neuer Ansatz konzentriert sich auf subtile Inkonsistenzen bei der Erkennung von Deepfakes.

Erlebe das Drachenbootfest mit innovativen virtuellen Paddeltechniken.

Ein Rahmen, der die Erkennung von Depressionen durch strukturierte Interviews verbessert.

Eine frische Methode, um klare Bilder aus komplexen Textanweisungen zu erstellen.

Das Kombinieren von Bildern und Text verbessert die Vorhersagen über zukünftige Ereignisse.

Dieser Artikel untersucht, wie die Reihenfolge der Songs das Hörerlebnis in Musikalben beeinflusst.

Mu-MAE führt neue Methoden ein, um menschliche Aktivitäten durch verschiedene Datenquellen zu erkennen.

Ein neues System zielt effektiv auf Hassrede in Memes ab.

Die ViMo-Technik verwandelt alltägliche Videos in realistische 3D-Bewegungen.

Erkunde die Fortschritte und Herausforderungen bei kabelloser VR-Technologie für mehrere Nutzer.

Ein neues Modell für schnellere und effektivere Bildverbesserung bei schwachem Licht.

Ein neues Verfahren zur Messung der Tiefenwahrnehmung in 3D-VR-Bildern.