Informática - Multimedia

La investigación muestra que la inconsistencia entre texto e imagen aumenta con la popularidad de las publicaciones en redes sociales.

Nuevo conjunto de datos mejora la generación de audio a partir de descripciones de texto detalladas.

Una nueva herramienta para probar modelos de lenguaje en entornos ruidosos.

Un nuevo método para crear mallas de referencia más limpias a partir de formas 3D dinámicas.

Un nuevo método reduce la necesidad de datos etiquetados en tareas de visión por computadora.

Este artículo presenta un método para generar sonido preciso a partir de videos y texto.

Presentando un nuevo modelo que combina texto y diseño de manera eficiente para una mejor comprensión de documentos.

Un nuevo método mejora la gestión de datos de video para una mejor comprensión y eficiencia.

El conjunto de datos AMEX mejora la comprensión de la IA sobre las interfaces de apps móviles.

Presentamos datasets MERGE para mejorar la clasificación de emociones en la música.

Explorando cómo los videojuegos pueden enseñar habilidades de programación esenciales de manera efectiva y entretenida.

Combinando sonido e imágenes para sistemas de reconocimiento más inteligentes.

VCoME ayuda a los usuarios a crear videos verbales atractivos fácilmente.

Los investigadores buscan crear sonidos que coincidan con videos en silencio, mejorando la experiencia de los espectadores.

Un nuevo enfoque mejora la claridad de las preguntas generadas a partir de imágenes.

Aprende a asegurar datos CSV con firmas digitales.

Este método mejora la búsqueda de imágenes combinando imágenes y texto de manera efectiva.

LeRF combina el aprendizaje profundo y la interpolación para mejorar el redimensionamiento de imágenes.

Nuevo modelo de IA mejora la interpretación de radiografías de tórax para mejores diagnósticos.

Un nuevo método para generar contenido atractivo en redes sociales usando IA.

Descubre cómo la IA está transformando la generación de música con BandControlNet.

Un nuevo enfoque mejora la detección de deepfakes usando análisis audiovisual.

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.