Eine neue Methode verbessert das Verfolgen von Sprechern mit Audio- und Videodaten.
― 7 min Lesedauer
Computerwissenschaften - Multimedia
RSSMusicAOG vereinfacht die Musikproduktion und das Verständnis durch eine innovative grafische Darstellung.
― 7 min Lesedauer
Stress und Depression zu analysieren kann unser Verständnis von mentaler Gesundheit verbessern.
― 6 min Lesedauer
Ein neues Modell erkennt witzige Momente in Videos, indem es visuelle, Audio- und Textdaten nutzt.
― 7 min Lesedauer
AesopAgent erlaubt es Nutzern, mit fortschrittlichen KI-Tools Videos aus Geschichten zu erstellen.
― 5 min Lesedauer
Untersuchen, wie Bilder das Lernen in Wikipedia-Artikeln beeinflussen.
― 6 min Lesedauer
Eine Methode zur Reduzierung von Redundanz in Mehransichts-Datenrepräsentationen.
― 7 min Lesedauer
CoAVT integriert Audio-, Visual- und Textdaten für ein besseres Verständnis.
― 8 min Lesedauer
Erstell ganz einfach sprechende Avatar-Videos mit Virbos innovativem System.
― 7 min Lesedauer
Das WiMANS-Dataset ermöglicht es, die Aktivitäten mehrerer Nutzer mithilfe von WLAN-Signalen zu verfolgen.
― 7 min Lesedauer
Ein neues Framework vereinfacht Videobearbeitungsaufgaben mit Bildbearbeitungswerkzeugen.
― 9 min Lesedauer
BDoG verbessert das AI-Denken, indem es verschiedene Datentypen effektiv integriert.
― 7 min Lesedauer
Heracles kombiniert Transformatoren und Zustandsraummodelle für eine verbesserte Datenverarbeitung.
― 6 min Lesedauer
Eine neue Methode integriert akustische Informationen in Sprachmodelle für eine bessere Spracherkennung.
― 9 min Lesedauer
Musik zu nutzen, um Krebs zu erklären, kann das Verständnis und das Interesse steigern.
― 7 min Lesedauer
Ein neues Framework verbessert die Vervollständigung von Wissensgraphen mit verschiedenen Datentypen.
― 8 min Lesedauer
Eine neue Art, Porträts mit wechselnden Gesichtsausdrücken und Blickwinkeln zu animieren.
― 7 min Lesedauer
Neue Methode verbessert die 3D-Datenkompression und behält dabei die Qualität bei.
― 9 min Lesedauer
CIRP verbessert die Artikelpräsentation für bessere Online-Produkbündelung.
― 9 min Lesedauer
Erforschen, wie IoS unsere digitalen Erlebnisse verändern könnte, indem es alle Sinne anspricht.
― 11 min Lesedauer
DIBS verbessert die Beschriftung von Videoereignissen, indem es Grenzen mit ungelabelten Daten verfeinert.
― 7 min Lesedauer
Die Kombination von Bildern und Text verbessert die Genauigkeit bei der 3D-Tiefenschätzung.
― 7 min Lesedauer
WebXR verwandelt, wie wir mit immersiven digitalen Umgebungen interagieren.
― 9 min Lesedauer
Neue Methode verbessert die Sprachsynthese für Menschen, die nicht sprechen können.
― 7 min Lesedauer
AniFrame macht Programmierkunst für Neueinsteiger zugänglich mit einem benutzerfreundlichen Ansatz.
― 7 min Lesedauer
Neuer Datensatz verbessert die Bilderzeugung aus komplexen Nachrichtenüberschriften.
― 7 min Lesedauer
Eine neue Methode verbessert das Faktenchecken von Aussagen in sozialen Medien.
― 7 min Lesedauer
Shotit ermöglicht es den Nutzern, Videos schnell mit Bildern zu finden und macht den Suchprozess einfacher.
― 6 min Lesedauer
Ein neues Framework, um Empfehlungen ohne vorherige Daten zu verbessern.
― 7 min Lesedauer
Pegasus-1 ermöglicht es den Nutzern, mit Videos in natürlicher Sprache zu interagieren.
― 7 min Lesedauer
GaussianTalker bietet natürliche Lippen-Synchronisation und hochqualitative Visuals für Sprechvideos.
― 6 min Lesedauer
Ein neuer Ansatz ermöglicht es Maschinen, Comic-Charaktere ohne vorheriges Training zu erkennen.
― 6 min Lesedauer
Mimosa macht die Erstellung von räumlichem Audio für Amateur-Videomacher super einfach.
― 8 min Lesedauer
Die AIS 2024 Challenge will die Videoqualitätsbewertungen mit Deep Learning verbessern.
― 6 min Lesedauer
GaussianTalker verwandelt digitale Interaktion mit lebensechten sprechenden Köpfen.
― 6 min Lesedauer
Untertitel werden immer wichtiger, um das Zuschauererlebnis bei Streaming-Diensten zu verbessern.
― 8 min Lesedauer
Forschung stellt innovative Techniken vor, um die Erkennung von Deepfake-Videos zu verbessern.
― 6 min Lesedauer
Ein neuer Datensatz verbessert, wie Roboter reale Umgebungen interpretieren.
― 7 min Lesedauer
UniAV kombiniert Aktionslokalisierung, Geräuscherkennung und audio-visuelle Ereignislokalisierung für ein besseres Videoverstehen.
― 8 min Lesedauer
Eine neue Methode verbessert die Leistung der Objekterkennung mit adaptiven Anfragen.
― 7 min Lesedauer