Informatique - Multimédia

Une méthode innovante ajoute des messages cachés pour garantir l'authenticité des images.

Un cadre qui identifie efficacement le contenu deepfake grâce à une analyse combinée de l'audio et de la vidéo.

Un nouveau critère pour évaluer les modèles qui analysent la musique et le langage.

Une nouvelle approche combine des données audio, vidéo et texte pour un diagnostic efficace de la dépression.

Un nouveau cadre améliore la classification dans des tâches audio-visuelles jamais vues.

Un nouveau modèle améliore la segmentation des silhouettes en utilisant des signaux RF pour un meilleur mouvement.

Nouveau jeu de données offre des infos sur les discours de haine dans différentes langues et formats.

Un nouveau cadre améliore le traitement d'image dans les grands modèles de langage multimodaux.

AxiomVision propose une nouvelle façon d'analyser les vidéos, améliorant les performances dans des conditions changeantes.

De nouveaux systèmes combinent audio et vidéo pour une meilleure détection de la violence dans les espaces publics.

Un nouveau système améliore les appels vidéo sur des casques VR pas chers en utilisant la saisie vocale.

Un guide clair sur les types de manuscrits et les défis de soumission.

Une nouvelle méthode améliore la reconnaissance d'objets dans les vidéos grâce à des sons et des indices visuels.

Un aperçu des stratégies pour gérer les données à longue traîne en apprentissage machine.

Une nouvelle méthode améliore la détection des valeurs aberrantes dans les ensembles de données multi-vues avec des vues manquantes.

Une étude sur les défis et solutions pour les hallucinations dans les MLLMs.

Un cadre pour s'attaquer au bruit de données dans les techniques de récupération croisée.

Un nouveau jeu de données permet d'améliorer les outils pour détecter la fraude aux documents d'identité.

MMPKUBase propose plus de 52 000 sujets chinois avec plein d'images.

TEAdapter améliore la génération de musique à partir de texte, offrant aux utilisateurs plus de contrôle et de créativité.

Un nouveau jeu de données et une méthode améliorent le grounding vidéo pour des récits complexes.

Une nouvelle méthode améliore la détection des deepfakes faciaux.

Lighthouse simplifie la recherche de moments vidéo et la détection de moments clés pour les chercheurs.

Un nouveau modèle d'apprentissage automatique améliore les techniques de séparation des sources audio.

Un système pour améliorer la clarté de la parole dans les environnements bruyants en utilisant des lunettes intelligentes.

COM Kitchens propose des vidéos de cuisine non montées pour étudier les processus de préparation des aliments.

ReSyncer améliore la qualité vidéo et la flexibilité des mouvements des lèvres synchronisés avec l'audio.

Présentation du réglage neuronal pour améliorer efficacement les capacités multitâches des grands modèles.

Une nouvelle méthode améliore les recherches de produits à travers différents formats de médias.

Une nouvelle approche se concentre sur des incohérences subtiles dans la détection de deepfake.

Vivez le Festival du Dragon Boat grâce à des techniques de pagaie virtuelles innovantes.

Présentation d'un cadre qui améliore la détection de la dépression grâce à des entretiens structurés.

Une nouvelle méthode pour créer des images claires à partir de textes complexes.

Combiner des images et du texte améliore les prédictions des événements futurs.

Cet article examine comment l'ordre des chansons influence l'expérience d'écoute des albums de musique.

Mu-MAE introduit de nouvelles méthodes pour reconnaître les activités humaines à travers plusieurs sources de données.

Un nouveau système cible efficacement les discours de haine dans les mèmes.

La technique ViMo transforme des vidéos du quotidien en mouvements 3D réalistes.

Explore les avancées et les défis de la technologie VR sans fil pour plusieurs utilisateurs.

Un nouveau modèle pour améliorer rapidement et efficacement les images en basse lumière.