Informática - Multimedia

MMPKUBase ofrece más de 52,000 temas chinos con imágenes increíbles.

TEAdapter mejora la generación de música a partir de texto, dando a los usuarios más control y creatividad.

Un nuevo conjunto de datos y método mejoran la anclaje de video para narrativas complejas.

Un nuevo método mejora la detección de deepfakes faciales.

Lighthouse hace que sea fácil para los investigadores encontrar momentos en videos y detectar resúmenes.

Nuevo modelo de aprendizaje automático mejora las técnicas de separación de fuentes de audio.

Un sistema para mejorar la claridad del habla en entornos ruidosos usando gafas inteligentes.

COM Kitchens ofrece videos de cocina sin editar para estudiar los procesos de preparación de alimentos.

ReSyncer mejora la calidad de video y la flexibilidad para que los movimientos de los labios estén sincronizados con el audio.

Presentando la sintonización neuronal para mejorar efectivamente las capacidades multitarea de los modelos grandes.

Un nuevo método mejora las búsquedas de productos en diferentes formatos de medios.

Un nuevo enfoque se centra en inconsistencias sutiles en la detección de deepfakes.

Vive el Festival del Barco Dragón con técnicas de remo virtuales innovadoras.

Presentamos un marco que mejora la detección de la depresión a través de entrevistas estructuradas.

Un nuevo método para crear imágenes claras a partir de prompts de texto complejos.

Combinar imágenes y texto mejora las predicciones de eventos futuros.

Este artículo analiza cómo el orden de las canciones impacta la experiencia de escuchar álbumes de música.

Mu-MAE presenta nuevos métodos para reconocer actividades humanas a través de múltiples fuentes de datos.

Un nuevo sistema combate el discurso de odio en memes de manera efectiva.

La técnica ViMo transforma videos cotidianos en movimientos 3D realistas.

Explora los avances y desafíos en la tecnología de VR inalámbrica para múltiples usuarios.

Un nuevo modelo para mejorar imágenes con poca luz de manera más rápida y efectiva.

Un nuevo método para medir la percepción de profundidad en imágenes 3D de realidad virtual.

Un método para resumir videos de diferentes culturas y fuentes de noticias.

Un nuevo método simplifica la edición de escenas 3D usando solo una imagen 2D.

Un nuevo método apunta a sistemas de autenticación facial múltiples de manera eficiente.

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.