Informática - Multimedia

Un nuevo método mejora el seguimiento de hablantes usando datos de audio y visuales.

MusicAOG simplifica la creación y comprensión de la música a través de una representación gráfica innovadora.

Analizar el estrés y la depresión puede mejorar nuestra comprensión de la salud mental.

Un nuevo modelo identifica momentos graciosos en videos usando datos visuales, de audio y de texto.

AesopAgent permite a los usuarios crear videos a partir de historias usando herramientas de IA avanzadas.

Examinando cómo las imágenes impactan el aprendizaje en los artículos de Wikipedia.

Un método para reducir la redundancia en representaciones de datos de múltiples vistas.

CoAVT integra datos de audio, visuales y de texto para una mejor comprensión.

Crea videos de avatares hablantes fácilmente con el sistema innovador de Virbo.

El conjunto de datos WiMANS permite rastrear las actividades de múltiples usuarios usando señales de WiFi.

Un nuevo marco simplifica las tareas de edición de video usando herramientas de edición de imágenes.

BDoG mejora el razonamiento de la IA integrando varios tipos de datos de manera efectiva.

Heracles combina transformadores y modelos de espacio de estado para mejorar el procesamiento de datos.

Un nuevo método integra información acústica en los modelos de lenguaje para mejorar el reconocimiento de voz.

Usar música para explicar el cáncer puede mejorar la comprensión y el interés.

Un nuevo marco mejora la completación de gráficos de conocimiento con diferentes tipos de datos.

Una nueva forma de animar retratos con expresiones y ángulos cambiantes.

Nuevo método mejora la compresión de datos 3D manteniendo la calidad.

CIRP mejora la representación de productos para un mejor empaquetado en línea.

Explorando cómo IoS podría transformar nuestras experiencias digitales al involucrar todos los sentidos.

DIBS mejora la subtitulación de eventos en video refinando los límites usando datos no etiquetados.

Combinar imágenes y texto mejora la precisión en la estimación de profundidad 3D.

WebXR transforma la manera en que interactuamos con entornos digitales inmersivos.

Nuevo método mejora la síntesis de voz para personas que no pueden hablar.

AniFrame hace que programar arte sea accesible para los principiantes con un enfoque fácil de usar.

Un nuevo conjunto de datos mejora la generación de imágenes a partir de títulos de noticias complejos.

Un nuevo método mejora la verificación de hechos de las afirmaciones en redes sociales.

Shotit permite a los usuarios encontrar videos rápido usando imágenes, facilitando el proceso de búsqueda.

Un nuevo marco para mejorar las recomendaciones sin datos previos.

Pegasus-1 permite a los usuarios interactuar con videos usando lenguaje natural.

GaussianTalker ofrece sincronización labial natural y visuales de alta calidad para videos de personas hablando.

Un nuevo enfoque permite que las máquinas identifiquen personajes de cómics sin previo entrenamiento.

Mimosa simplifica la creación de audio espacial para videomakers amateurs.

El Desafío AIS 2024 busca mejorar las evaluaciones de calidad de video usando aprendizaje profundo.

GaussianTalker transforma la interacción digital con cabezas hablantes que parecen reales.

Los subtítulos se están volviendo esenciales para mejorar la experiencia del espectador en los servicios de streaming.

La investigación presenta técnicas innovadoras para mejorar la detección de videos deepfake.

Un nuevo conjunto de datos mejora la forma en que los robots interpretan entornos del mundo real.

UniAV combina la localización de acción, la detección de sonido y la localización de eventos audio-visuales para una mejor comprensión del video.

Un nuevo método mejora el rendimiento de detección de objetos usando consultas adaptativas.