Neuste Artikel für Mensch-Computer-Interaktion

Neue Systeme verbessern die Sprecheridentifikation mit Audio- und visuellen Daten.

Eine neue Methode, um Belohnungssysteme im Reinforcement Learning mithilfe von Nutzerfeedback zu verfeinern.

Eine neue Methode zum Lernen von Dialogrichtlinien verbessert die Gesprächsantworten.

Eine neue Methode zur besseren Bewertung von Objektvorschlägen in Vision- und Sprachaufgaben.

Dieser Artikel bewertet einen neuen Massstab zur Beurteilung des emotionalen Verständnisses in KI-Modellen.

Forschung entwickelt ein Modell, um Engagement in Gesprächen genau zu messen.

Ein neues Modell verbessert die Videoaktionsdetektion durch Objektattribute und Beziehungen.

Die Rolle von RLAIF beim Verbessern des Trainings von Sprachmodellen erkunden.

Die Forschung konzentriert sich darauf, die Kommunikation zwischen Menschen und Roboterschwärmen zu verbessern.

Neue Methoden verbessern die Qualität der synthetischen Sprache durch selbstüberwachtes Lernen.

HERON vereinfacht das Belohnungsdesign und verbessert die Effizienz und Flexibilität von Reinforcement Learning.

DaTrans hat das Ziel, Dialogsysteme zu verbessern, indem vortrainierte Sprachmodelle integriert werden.

Neue Methoden verbessern, wie Maschinen Objektinteraktionen verstehen.

Ein neues Framework verbessert die Erkennung von Ausreissern in der Zeitreihenanalyse.

Eine neue Methode hilft Robotern, filigrane Aufgaben zu lernen, indem sie menschliche Fähigkeiten nachahmen.

Neue Methoden verbessern das Verständnis für das Verhalten von künstlichen Agenten durch Programmsynthese.

Forschung zeigt, dass künstliche Agenten Sprachaufgaben gut verstehen und darauf reagieren können.

Diese Arbeit bewertet, wie gut VLMs aufgrund visueller Inhalte raisonnieren.

Roboter können besser lernen, indem sie mit Menschen in alltäglicher Sprache interagieren.

Eine neue Methode verbessert die Emotionserkennung aus Sprache nur mit Audio.

Eine Studie zum Entwirren der Sprecheridentität aus Sprachsignalen für verbesserte Verarbeitung.

In diesem Artikel wird besprochen, wie Roboter Vertrauen gewinnen können, indem sie sich an die Vorlieben der Menschen anpassen.

Forscher verbessern die emotionalen Reaktionen von digitalen Agenten mit Hilfe von Sprachmodellen.

Neue Methode verbessert die Erkennung von Aktionen zwischen Menschen und Objekten ohne aufwendiges Labeling.

Neue Methoden verbessern, wie Roboter menschliche Bewegungen nachahmen, was die Interaktion verbessert.

Ein neues Framework verbessert die Aktions-erkennung, indem es räumliche und zeitliche Hinweise trennt.

Ein neuer Ansatz, um Hand-Objekt-Interaktionen in 3D mit kurzen Videoclips festzuhalten.

Neuer Ansatz automatisiert das Design von Belohnungsfunktionen für Deep Reinforcement Learning bei Robotern.

Das JOADAA-Modell verbessert die Aktionsvorhersage und die Online-Erkennung in Echtzeitszenarien.

Die Rolle des Hintergrunds bei der Interpretation von Sprachaufgaben untersuchen.

Eine neue Methode erstellt realistische Gesten aus rohem Sprachaudio.

LInKs verbessert die 3D-Pose-Schätzung aus 2D-Daten, selbst bei Occlusions.

TransNet bietet eine effiziente Lösung zur Erkennung menschlicher Aktionen in Videodaten.

Ein neues Framework verbessert die Interaktion zwischen Menschen und Objekten durch einfache Sprachbefehle.

Eine neue Methode verbessert die Leistung von Vision- und Sprachmodellen bei der Verarbeitung komplexer Daten.

TEMPO verbessert die Körperhaltungsschätzung, indem es Bewegungen in Echtzeit verfolgt und vorhersagt.

Ein neues Framework soll die Entscheidungsfindung von KI für Menschen klarer machen.

Eine neue Methode verbessert die Genauigkeit bei der Schätzung der Kopfhaltung in verschiedenen Orientierungen.

O-1 verbessert die Spracherkennung, indem es Selbstlernmethoden optimiert.

Maschinen lernen von Experten, um sich an unvorhersehbare Umgebungen anzupassen.