Informática - Multimedia

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.

Una guía clara sobre los tipos de manuscritos y los desafíos de envío.

Un nuevo método mejora el reconocimiento de objetos en videos a través de pistas sonoras y visuales.

Una mirada a las estrategias para abordar datos de cola larga en el aprendizaje automático.

Un nuevo método mejora la detección de anomalías en conjuntos de datos de múltiples vistas con vistas faltantes.

Un estudio sobre los retos y soluciones para las alucinaciones en MLLMs.

Un marco para enfrentar el ruido de datos en técnicas de recuperación cruzada.

Un nuevo conjunto de datos apoya mejores herramientas para detectar el fraude de documentos de identidad.