Andrew Zisserman

Un sistema que conecta sonidos con imágenes, mejorando la comprensión de las máquinas.

El benchmark TAPVid-3D mejora el seguimiento de puntos 3D para aplicaciones de robótica y video.

AutoAD-Zero utiliza indicaciones visuales para descripciones de audio más rápidas y efectivas.

Magiv2 busca mejorar el acceso al manga para personas con discapacidad visual a través de transcripciones automatizadas.

Un nuevo método mejora el seguimiento de objetos en videos en primera persona usando conciencia 3D.

Una visión general de los avances en el reconocimiento de voz a través del VoxCeleb Challenge.

Explora la fascinante ciencia detrás de los sonidos al servir bebidas.

Descubre cómo las máquinas aprenden de los videos para entender el movimiento y la profundidad.