Informática - Multimedia

Un nuevo enfoque para construir espacios virtuales accesibles usando WebXR y A-Frame.

SynthDoc crea documentos sintéticos para el aprendizaje automático en la lectura de documentos.

Este estudio presenta un modelo para analizar las reacciones emocionales al contenido de video.

Este artículo habla sobre las ventajas de combinar sistemas de reconocimiento de voz y facial.

Un nuevo método para crear imágenes RGBA de manera fácil y efectiva.

Kangaroo mejora el análisis de video al integrar visuales, sonidos y texto de manera efectiva.

Este documento presenta un modelo de un solo codificador para mejorar la segmentación de imágenes basado en descripciones de texto.

Nuevos métodos mejoran la separación de voces en entornos ruidosos.

Un nuevo marco mejora la precisión de los subtítulos de imágenes y reduce errores.

Mejorando cómo las máquinas ayudan a los usuarios a través de mejor interacción y respuestas.

Explorando humanos digitales e interfaces hápticas para interacciones inmersivas.

Nuevos métodos mejoran la transmisión de video al predecir datos perdidos de manera efectiva.

Un marco para ajustar la música en tiempo real en juegos y películas.

MRDAC mejora la calidad de video facial y la compresión usando múltiples fotogramas de referencia.

Los investigadores exploran ecos ultrasónicos para medir distancias de manera precisa en entornos interiores tranquilos.

Explorando la detección, eliminación y generación de sombras en visión por computadora.

Un nuevo método mejora la calidad de imagen en condiciones climáticas adversas usando modelos de lenguaje y de visión.

Este marco mejora la eficiencia de las apps multimedia mientras protege la privacidad del usuario.

LongLLaVA mejora la comprensión de múltiples imágenes para varias aplicaciones.

SegTalker mejora los videos de caras que hablan con texturas realistas y edición sencilla.

HiSC4D captura el movimiento humano usando sensores portátiles para un mejor análisis de interacción.

Presentando un método para mejorar la respuesta a preguntas en videos con múltiples eventos.

Una visión general de métodos, desafíos y sistemas de diarización de altavoces audiovisuales.

Este trabajo mejora los modelos de visión-lenguaje a través de mejores estrategias de datos y técnicas innovadoras.

Un nuevo método mejora la identificación de objetos en imágenes mediante una integración visual y textual personalizada.

SimCLIP mejora el análisis de memes al combinar perfectamente texto e imágenes.

El conjunto de datos MIP-GAF ayuda a analizar las dinámicas sociales en las imágenes.

Un nuevo enfoque afina la conexión entre imágenes y texto en los VLMs.

La investigación relaciona pinturas con música al interpretar emociones.

Un estudio revela una nueva forma de identificar emociones usando video, sonido y texto.

Este artículo explora cómo diferentes entradas pueden mejorar la precisión del reconocimiento de voz.

LLaQo ofrece retroalimentación detallada para la evaluación del rendimiento musical, mejorando el aprendizaje de los estudiantes.

Explorando cómo Starlink influye en la transmisión de video a nivel mundial.

La inteligencia artificial está reinventando la música con nuevas herramientas y enfoques.

Mejorando la comunicación en tiempo real a través de nuevos métodos de control de congestión.

Nuevos métodos mejoran la sincronización de audio con escenas de video cambiantes.

NVLM mejora la comprensión del lenguaje y las imágenes por parte de la IA para diversas tareas.

El método TRIM reduce los tokens de imagen en modelos de lenguaje multimodal sin perder rendimiento.

Explorando cómo los LLMs mejoran el razonamiento en diferentes tipos de datos.

PDMX ofrece una gran colección de música simbólica de dominio público para el desarrollo de IA.