Informática - Multimedia

Un nuevo método mejora la detección de tartamudeo combinando datos de audio, video y texto.

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

TemporalStory mejora la generación de imágenes para contar historias al aumentar la coherencia y el contexto.

Una nueva herramienta para evaluar la replicación en la música hecha por IA.

Una mirada a los métodos para mejorar la calidad de imagen afectada por la neblina.

El conjunto de datos TGIF ayuda a detectar técnicas avanzadas de manipulación de imágenes.

Descubre cómo la transmisión IP y el etiquetado de audio están transformando la entrega de contenido.

Integrando IA para mejorar estrategias de marketing y la efectividad de las campañas.

X-Former mejora cómo los modelos combinan la comprensión de imágenes y texto.

Combatiendo la información engañosa con nuevos métodos y tecnologías.

Un nuevo sistema que combina análisis de texto e imagen para combatir la desinformación.

El nuevo método RoE mejora la eficiencia de los modelos de lenguaje grandes multimodales con enrutamiento dinámico.

Presentamos 360VFI para mejorar la calidad y la experiencia del video en 360 grados.

Un nuevo modelo combina audio y video para una mejor comprensión.

Un nuevo método mejora la separación de voces en entornos ruidosos con múltiples hablantes.

Este estudio revisa métodos de muestreo de fotogramas para mejorar la recuperación de contenido de video.

Un nuevo marco simplifica la creación de clips destacados específicos de jugadores a partir de videos de fútbol.

HaloQuest aborda problemas de alucinación en modelos de lenguaje-visual con un nuevo conjunto de datos.

Un nuevo marco mejora la recuperación de objetos 3D a partir de diferentes tipos de datos.

Examinando el proceso creativo detrás de la producción de videos de noticias falsas.

QPT V2 mejora la puntuación visual usando modelado de imágenes enmascaradas y datos de alta calidad.

MMTrail combina descripciones visuales y de audio para mejorar los modelos de video-lenguaje.

Nuevo método refuerza la privacidad para imágenes y textos compartidos.

Un nuevo método mejora el rendimiento de AVQA cuando faltan entradas de audio o visuales.

Un método para crear audio que coincida con videos en primera persona.

Una colección diversa de modelos 3D para mejorar las oportunidades de investigación.

Este estudio analiza qué tan bien entienden y generan música los LLMs.

Un nuevo modelo que sincroniza las anotaciones de acordes con el audio de la música de manera fluida.

Un modelo unificado mejora la compresión de nubes de puntos para mayor calidad y eficiencia.

Método innovador añade mensajes ocultos para asegurar la autenticidad de las imágenes.

Un marco que identifica de manera efectiva contenido deepfake a través de un análisis combinado de audio y visual.

Un nuevo estándar para evaluar modelos que analizan música y lenguaje.

Un nuevo enfoque combina audio, video y datos de texto para un diagnóstico efectivo de la depresión.

Un nuevo marco mejora la clasificación en tareas audiovisuales no vistas.

Un nuevo modelo mejora la segmentación de siluetas usando señales de RF para una mejor captura de movimiento.

Nuevo conjunto de datos ofrece información sobre el discurso de odio en diferentes idiomas y formatos.

Nuevo marco mejora el procesamiento de imágenes en modelos de lenguaje grandes multimodales.

AxiomVision ofrece un nuevo enfoque para el análisis de video, mejorando el rendimiento en condiciones cambiantes.

Nuevos sistemas combinan audio y video para mejorar la detección de violencia en espacios públicos.

Un nuevo sistema mejora las videollamadas en cascos de VR económicos usando comandos de voz.