Informatique - Multimédia

De nouvelles méthodes améliorent la séparation des voix dans des environnements bruyants.

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

Améliorer la façon dont les machines aident les utilisateurs grâce à de meilleures interactions et mesures de réponse.

Explorer des humains numériques et des interfaces haptiques pour des interactions immersives.

De nouvelles méthodes améliorent la transmission vidéo en prédisant efficacement les données manquantes.

Un cadre pour ajuster la musique en temps réel dans les jeux et les films.

MRDAC améliore la qualité et la compression des vidéos faciales en utilisant plusieurs images de référence.

Des chercheurs explorent les échos ultrasoniques pour des mesures de distance précises dans des environnements intérieurs calmes.

Exploration de la détection, suppression et génération d'ombres en vision par ordinateur.

Une nouvelle méthode améliore la qualité des images pendant les mauvaises conditions météo grâce à des modèles de langage et de vision.

Ce cadre améliore l'efficacité des applis multimédia tout en protégeant la vie privée des utilisateurs.

LongLLaVA améliore la compréhension de plusieurs images pour différentes applis.

SegTalker améliore les vidéos de visages parlant avec des textures réalistes et un montage simple.

HiSC4D capture le mouvement humain avec des capteurs portables pour une meilleure analyse des interactions.

Présentation d'une méthode pour améliorer le question-réponse dans les vidéos avec plusieurs événements.

Un aperçu des méthodes de diarisation de locuteurs audio-visuels, des défis et des systèmes.

Ce travail améliore les modèles vision-langage grâce à des stratégies de données améliorées et des techniques innovantes.

Une nouvelle méthode améliore l'identification des objets dans les images grâce à une intégration visuelle et textuelle sur mesure.

SimCLIP améliore l'analyse des memes en combinant efficacement texte et images.

Le dataset MIP-GAF aide à analyser les dynamiques sociales dans les images.

Une nouvelle approche affine la connexion entre les images et le texte dans les VLMs.

La recherche associe des peintures à de la musique en interprétant les émotions.

Une étude révèle une nouvelle méthode pour identifier les émotions en utilisant des vidéos, des sons et du texte.

Cet article examine comment des entrées variées peuvent améliorer la précision de la reconnaissance vocale.

LLaQo propose des retours super détaillés pour évaluer les performances musicales, ce qui booste l'apprentissage des élèves.

Explorer comment Starlink influence le streaming vidéo à l'échelle mondiale.

L'intelligence artificielle est en train de transformer la musique avec de nouveaux outils et des approches.

Améliorer la communication en temps réel grâce à de nouvelles méthodes de contrôle de la congestion.

De nouvelles méthodes améliorent la synchronisation audio avec les scènes vidéo qui changent.

NVLM améliore la compréhension du langage et des visuels par l'IA pour des tâches variées.

La méthode TRIM réduit les tokens d'image dans les modèles de langage multimodaux tout en maintenant la performance.

Explorer comment les LLMs améliorent le raisonnement à travers différents types de données.

PDMX propose une énorme collection de musique symbolique dans le domaine public pour le développement de l'IA.

MoRAG améliore la génération de mouvements humains à partir de descriptions textuelles en utilisant une récupération spécifique aux parties.

Un nouvel ensemble de données vise à améliorer le raisonnement multimodal dans les modèles de langage.

Des méthodes améliorées pour la détection des contours boostent la modélisation CAO à partir de scans 3D.

Une nouvelle méthode améliore la réponse aux questions vidéo grâce à la reconnaissance de texte dans les scènes.

Llama-AVSR combine l'audio et les visuels pour améliorer la précision de la reconnaissance vocale.

Un nouveau système pour créer des mouvements de caméra de danse synchronisés avec la musique.

Des équipes s'affrontent pour améliorer les méthodes de prédiction de l'attention sur les vidéos.