Llama-AVSR combine l'audio et les visuels pour améliorer la précision de la reconnaissance vocale.
― 8 min lire
Informatique - Multimédia
RSSUn nouveau système pour créer des mouvements de caméra de danse synchronisés avec la musique.
― 6 min lire
Des équipes s'affrontent pour améliorer les méthodes de prédiction de l'attention sur les vidéos.
― 7 min lire
Une nouvelle méthode qui combine des modèles pour améliorer l'adaptation de domaine non supervisée dans les tâches de segmentation.
― 7 min lire
Un nouveau modèle crée de l'audio qui correspond à la vidéo, améliorant les expériences médiales.
― 6 min lire
Un nouveau cadre améliore la qualité des ensembles de données vidéo-langue grâce à un affinage itératif.
― 7 min lire
Ce cadre améliore les animations en temps réel en synchronisant la parole et les gestes sans problème.
― 6 min lire
Découvrez comment le retour haptique améliore les expériences virtuelles dans plusieurs secteurs.
― 5 min lire
La recherche combine l'IA et les objets connectés pour prédire l'agitation chez les patients atteints de démence.
― 7 min lire
Une nouvelle stratégie combine l'entraînement génératif et discriminatif dans les modèles Vision-Language.
― 6 min lire
Cet article parle de la mesure de la satisfaction des spectateurs dans le streaming vidéo en direct.
― 10 min lire
Une nouvelle méthode simplifie la création audio et vidéo pour une meilleure synchronisation.
― 7 min lire
PiVOT améliore le suivi des objets en utilisant des invites visuelles et CLIP pour une précision accrue.
― 6 min lire
De nouvelles méthodes améliorent le streaming vidéo en équilibrant qualité et performance.
― 5 min lire
Présentation d'un nouveau modèle et d'une référence pour évaluer les tâches multi-audio.
― 7 min lire
WildFusion améliore la cartographie et la navigation des robots dans des environnements extérieurs complexes en utilisant plusieurs capteurs.
― 8 min lire
Une nouvelle méthode améliore la vitesse et la qualité de compression d'image.
― 6 min lire
Cette étude analyse comment l'audio, la vidéo et le texte fonctionnent ensemble dans la reconnaissance vocale.
― 9 min lire
Découvrez comment CCI améliore les évaluations de la qualité multimédia.
― 7 min lire
Des chercheurs combinent des indices audio et visuels pour détecter les mensonges plus précisément.
― 7 min lire
Un nouveau cadre identifie quand les modèles multimodaux utilisent des données d'entraînement inappropriées.
― 6 min lire
Découvrez comment la perception sensorielle améliore la communication à travers les cultures et les domaines.
― 8 min lire
PIAST propose une collection unique de musique pour piano pour les chercheurs.
― 6 min lire
Les machines apprennent à connecter le son et les visuels dans des espaces 3D.
― 8 min lire
Une nouvelle façon de combiner images et textes pour de meilleurs résultats de recherche.
― 6 min lire
Apprends comment TSE améliore la reconnaissance vocale dans les environnements bruyants en utilisant des indices textuels.
― 6 min lire
Un nouveau système pour mélanger des échantillons audio afin d'aider les créateurs de musique à innover facilement.
― 6 min lire
Un système crée de la musique en temps réel basée sur des récits de jeux de rôle sur table.
― 8 min lire
Avec la montée des deepfakes, le besoin d'une détection efficace devient super important.
― 6 min lire
TaylorIR améliore la clarté des images avec moins de puissance de calcul.
― 8 min lire
MTFusion combine images et texte pour créer des modèles 3D avancés.
― 7 min lire
Combiner des enregistrements audio avec des partitions pour mieux pratiquer.
― 7 min lire
De nouvelles méthodes améliorent considérablement la qualité et la résolution des images.
― 9 min lire
Découvrez comment de nouvelles techniques de filigrane protègent l'art numérique et les idées créatives.
― 7 min lire
Une nouvelle méthode améliore la clarté de la parole en utilisant des infos visuelles de l'environnement.
― 6 min lire
TopoCode améliore la communication en se concentrant sur la structure des données pour la détection des erreurs.
― 7 min lire
Explorer les défis et les implications de la technologie deepfake dans le paysage médiatique d'aujourd'hui.
― 8 min lire
Modifie tes vidéos sans effort en disant juste tes changements.
― 7 min lire
Explore la science fascinante derrière les sons des boissons versées.
― 6 min lire
Combiner le langage et les visuels pour une meilleure perception de la profondeur.
― 6 min lire