Informática - Multimedia

Un sistema innovador automatiza la generación de sonido para películas y juegos.

Aprende cómo la Atención de Armonización mejora la mezcla de imágenes al centrarse en la geometría y la textura.

Mejorar la calidad de la imagen lleva a evaluaciones de tamaño de pupila más precisas.

Los benchmarks actuales no evalúan bien la capacidad de los modelos para conectar datos de audio y visuales.

La automatización en la creación de animaciones abre nuevos caminos para contar historias y crear visuales.

Una mirada a las complejidades de identificar pistas de audio mezcladas.

StyleSpeech mejora los sistemas de TTS al captar los matices del habla natural.

Cap2Sum utiliza subtítulos densos en videos para mejorar la eficiencia y efectividad de la resumición de videos.

MaVEn mejora la capacidad de la IA para procesar múltiples imágenes y razonar mejor.

La IA está cambiando cómo se compone y se vive la música.

Un nuevo método mejora el reconocimiento de emociones en conversaciones usando múltiples fuentes de datos.

Presentamos RMARN: una forma innovadora de conectar texto y datos en 3D.

Un nuevo método transforma el texto en escenas 3D detalladas sin problemas.

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.