Joon Son Chung

FlexiAST permite que los modelos se adapten de manera eficiente a diferentes tamaños de parches de audio.

Mejorando la forma en que identificamos fuentes de sonido usando datos audio-visuales.

Un nuevo método mejora la verificación de hablantes al manejar la variabilidad de las sesiones de manera efectiva.

Este artículo habla sobre un método automatizado para generar tráileres de películas de manera eficiente.

Nuevos métodos mejoran la resumencia de videos usando grandes conjuntos de datos y modelos avanzados.

ElasticAST permite procesar audio de longitud variable de manera eficiente sin perder detalles importantes.

Un estudio sobre cómo mejorar la localización de fuentes de sonido aprovechando mejor la información auditiva y visual.

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