Ruihua Song

Un nouveau cadre améliore la précision des légendes d'images et réduit les erreurs.

EVA combine des signaux audio et visuels pour une meilleure précision de reconnaissance vocale.

ESPnet-Codec améliore l'entraînement et l'évaluation des codecs neuronaux pour l'audio et la parole.

Une nouvelle méthode améliore les interactions réalistes dans les animations de personnages.

Découvrez comment l'AV-ASR combine audio et visuels pour améliorer la reconnaissance vocale.