GaussianTalker bietet natürliche Lippen-Synchronisation und hochqualitative Visuals für Sprechvideos.
― 6 min Lesedauer
Computerwissenschaften - Multimedia
RSSEin 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
Die Erforschung der menschlichen Fähigkeit, Deepfake-Videos im Vergleich zur KI-Erkennung zu identifizieren.
― 7 min Lesedauer
Erforschen, wie KI die Videoproduktionsprozesse für Filmemacher verändert.
― 7 min Lesedauer
PEAVS analysiert, wie gut Audio und Video zusammenarbeiten, um das Zuschauererlebnis zu verbessern.
― 7 min Lesedauer
CinePile stellt das Verständnis von langen Videos mit 305.000 verschiedenen Fragen auf die Probe.
― 6 min Lesedauer
Eine neuartige Methode, die medizinische Bilder in der Cloud mit fortschrittlichen quantentechnischen Verfahren schützt.
― 7 min Lesedauer
Eine neue Methode verbessert die Genauigkeit der Lebensmittelerfassung mit 3D-Modellen und 2D-Bildern.
― 7 min Lesedauer
Diese Studie zeigt, wie Kontext das Verständnis von Maschinen für Bilder und Fragen verbessert.
― 7 min Lesedauer
Ein neuer Audio-Codec, der hochwertige Kompression und reichhaltigen semantischen Inhalt bietet.
― 6 min Lesedauer
Eine Studie stellt eine neue Methode vor, um synchronisierte sprechende Gesichtsvideos zu erstellen.
― 6 min Lesedauer
Entdecke, wie grosse Sprachmodelle Kreativität durch Multimedia-Generierung steigern.
― 8 min Lesedauer
Die Vorteile von immersivem 3D-Skizzieren für Architekten und Designer erkunden.
― 7 min Lesedauer
Ein Modell vorstellen, das synchronen Audio und Video mit gemischten Geräuschpegeln erzeugt.
― 6 min Lesedauer
Dieser Artikel bespricht ein neues einfaches Modell, um Audio aus Bildern zu generieren und umgekehrt.
― 5 min Lesedauer
Neue Techniken verbessern die Qualität und das Training für 3D-Bilder.
― 7 min Lesedauer
NuNet nutzt RGB- und Tiefendaten für genauere Ernährungsschätzungen.
― 6 min Lesedauer
Eine neue Methode verbessert die Audio-Video-Ausrichtung mit vortrainierten Modellen.
― 6 min Lesedauer
Eine neue Methode, um die Aufmerksamkeitsmechanismen bei der Verarbeitung komplexer Daten zu verbessern.
― 7 min Lesedauer
Erforschen, wie KI das Streaming von Videos verbessert und gleichzeitig die Energieeffizienz fördert.
― 6 min Lesedauer
Das Frieren-Modell verbessert die Audioqualität und den Sync für Videos.
― 6 min Lesedauer
Gear-NeRF verbessert das Rendering von dynamischen 3D-Szenen mit bewegungsbewussten Techniken.
― 7 min Lesedauer
Neue Methoden stärken Wasserzeichen gegen moderne Bildbearbeitungsbedrohungen.
― 8 min Lesedauer
Ein neues System kombiniert Daten und Nachrichten für ein besseres Risikomanagement bei Hitze.
― 5 min Lesedauer
Eine neue Methode, um Musik zu erstellen, die gut zu Videoinhalten passt.
― 8 min Lesedauer
Eine aktuelle Studie bestätigt wichtige Ergebnisse zur Dateninterpretation mit Klang und Bildern.
― 7 min Lesedauer
Neues Modell generiert Musik mit Hilfe von Text und visuellen Informationen.
― 7 min Lesedauer
Bildgenerierung und -abruf kombinieren für besseren Zugang zu visuellen Informationen.
― 7 min Lesedauer
Ein Blick auf neue Methoden zum Verständnis von überlappender Sprache während Gesprächen.
― 8 min Lesedauer
Eine neue Methode, um Nachrichten ausserhalb des Kontexts effizient zu erkennen.
― 4 min Lesedauer
PianoMotion10M bietet detaillierte Handbewegungen, um Klavierlernenden zu helfen.
― 6 min Lesedauer
Erforschen, wie QoE-Massnahmen die Zufriedenheit mit Multimedia-Diensten steigern.
― 9 min Lesedauer