Neuste Artikel für Mensch-Computer-Interaktion

ELLA-V verbessert die Text-zu-Sprache-Qualität und Kontrolle und übertrifft frühere Modelle.

Untersuchung menschlicher Faktoren beim Erkennen von Fehlern in KI-generierten Inhalten.

Eine neue Methode verbessert die Kommunikationsfähigkeiten von Sprachagenten.

HandFormer verbessert die Aktionskennung mit 3D-Handposen und Bildern.

Erforschen, wie Selbstvertrauen die Abhängigkeit von KI für bessere Entscheidungen beeinflusst.

Die Rolle von Heuristiken in den Entscheidungsprozessen von KI erforschen.

RG-LCD verbessert die Bildgenerierung aus Text und passt sich dabei effektiv den menschlichen Vorlieben an.

Neue Techniken verbessern Gehirn-Computer-Schnittstellen mit EEG und Deep Learning.

Ein neues Framework verbessert die 3D-Körperhaltungsschätzung mit zwei Pose-Augenktoren.

Ein neues Modell verbessert den Realismus in Animationen, bei denen Menschen mit Objekten interagieren.

Eine Studie darüber, wie KI-Tools die Schreiberfahrungen und Wahrnehmungen beeinflussen.

CQR verbessert das Verständnis und die Antworten in Gesprächen, indem es unklare Fragen umformuliert.

Maschinen können Aufgaben anhand eines einzigen Bildes erkennen und visualisieren.

Innovatives System ermöglicht die Steuerung von weichen Robotern mit Gehirnaktivität.

Neues Framework verbessert die menschliche Mesh-Wiederherstellung aus mehreren Bildern.

Ein neues Framework verbessert die Posenschätzung für verschiedene Objekte mit Meta-Punkt-Lernen.

Ein neues Framework verbessert, wie Sprachagenten lernen und Aufgaben erledigen.

Dieses Papier untersucht, wie semantisches Decoding die Teamarbeit und Ergebnisse von KI verbessert.

Neue Methoden kombinieren visuelle und textuelle Eingaben, um das Sprachenlernen bei Maschinen zu verbessern.

Ein strukturierten Designraum für intelligente Schreibassistenten vorstellen.

Audio Flamingo ist super darin, zuzuhören, zu quatschen und sich an neue Audioaufgaben anzupassen.

SLYKLatent verbessert das Verständnis von Robotern für menschlichen Blick und Absichten.

Diese Arbeit untersucht, wie menschliches Feedback Zusammenfassungsmodelle verbessern kann.

Ein Rahmen, um besser zu verstehen, wie Menschen mit Robotern durch Videosimulationen interagieren.

Diese Forschung konzentriert sich darauf, die Emotionserkennung mit Videoausschnitten zu verbessern.

Dieser Artikel behandelt Probleme beim Lernen von KI aufgrund begrenztem menschlichem Feedback.

Dieser Artikel diskutiert, wie Roboter menschliche Vorlieben bei der Aufgabenausführung besser verstehen können.

Untersuchen, wie KI unterstützende und einfühlsame Antworten generieren kann.

Untersuchung von Techniken und Herausforderungen bei der Schätzung von menschlichen Kopfpositionen.

Ein neuer Ansatz verbessert das Verständnis von AI-Entscheidungen bei bildbasierten Fragen und Antworten.

Ein Blick auf neue Modelle für natürliche gesprochene Antworten.

Untersuchen, wie Daten die Ausrichtung von KI-Modellen auf menschliche Präferenzen beeinflussen.

Eine neue Methode verbessert die Datenvielfalt für bessere 3D-Handmodelle.

Ein Rahmenwerk zur automatischen Generierung von Regeln, um die Ergebnisse von LLMs mit menschlichen Erwartungen in Einklang zu bringen.

Dieser Artikel behandelt die ethischen Bedenken beim Einsatz von LLMs in der Forschung.

Neue Machine-Learning-Modelle verbessern die Genauigkeit des Eye-Trackings in virtuellen Umgebungen.

Lern, wie verschiedene Bearbeitungsstrategien die Ergebnisse beeinflussen, wenn man mit Sprachmodellen arbeitet.

Die Studie untersucht, wie Sprachmodelle mit Menschen und miteinander bei der Aufgabenbewältigung zusammenarbeiten.

TraveLER verbessert das Verständnis von Videos durch interaktive Fragen für bessere Antworten.

Untersucht das Wachstum der Kommunikation zwischen Menschen und Robotern mit natürlicher Sprache.