Informatica - Multimedia

RSS

Multimedia Ripensare i benchmark per la localizzazione delle fonti audio-visive

I benchmark attuali non valutano bene la capacità dei modelli di collegare dati audio e visivi.

2025-06-25T16:03:10+00:00 ― 6 leggere min

Calcolo e linguaggio L'IA Prende il Comando nella Produzione di Animazione

L'automazione nella creazione di animazioni apre nuove strade per la narrazione e i visual.

2025-06-25T13:58:48+00:00 ― 6 leggere min

Suono Sfide nel Rilevare Segnali Vocali Parzialmente Falsi

Uno sguardo alle complessità dell'identificazione delle tracce audio miste.

2025-06-25T06:20:10+00:00 ― 6 leggere min

Suono StyleSpeech: Il Futuro della Tecnologia Text-to-Speech

StyleSpeech migliora i sistemi TTS catturando le sfumature del linguaggio naturale.

2025-06-24T14:08:30+00:00 ― 6 leggere min

Multimedia Cap2Sum: Un Nuovo Approccio alla Sintesi Video

Cap2Sum utilizza didascalie video dense per migliorare l'efficienza e l'efficacia della sintesi video.

2025-06-23T23:55:42+00:00 ― 8 leggere min

Calcolo e linguaggio Presentiamo MaVEn: Un Nuovo Approccio alla Comprensione di Immagini Multiple

MaVEn migliora la capacità dell'AI di elaborare più immagini per un ragionamento migliore.

2025-06-23T15:38:00+00:00 ― 6 leggere min

Suono Intelligenza Artificiale e il Futuro della Creazione Musicale

L'IA sta cambiando il modo in cui si compone e si vive la musica.

2025-06-23T08:10:55+00:00 ― 6 leggere min

Multimedia Bilanciare le Emozioni: Un Nuovo Approccio nell'ERC

Un nuovo metodo migliora il riconoscimento delle emozioni nelle conversazioni usando più fonti di dati.

2025-06-23T01:01:06+00:00 ― 6 leggere min

Visione artificiale e riconoscimento di modelli Nuovo metodo per il recupero testo-3D utilizzando RMARN

Presentiamo RMARN: un approccio innovativo per connettere testo e dati 3D.

2025-06-22T22:23:06+00:00 ― 6 leggere min

Visione artificiale e riconoscimento di modelli SceneDreamer360: Avanzare nella Creazione di Scene 3D da Testo

Un nuovo metodo trasforma il testo in scene 3D dettagliate senza problemi.

2025-06-22T22:15:12+00:00 ― 6 leggere min

Visione artificiale e riconoscimento di modelli Creare un Metaverso Aperto per Tutti

Un nuovo modo per creare spazi virtuali accessibili usando WebXR e A-Frame.

2025-06-22T18:26:06+00:00 ― 6 leggere min

Visione artificiale e riconoscimento di modelli Avanzamenti nella comprensione dei documenti visivi con SynthDoc

SynthDoc crea documenti sintetici per il machine learning nella lettura dei documenti.

2025-06-22T09:13:06+00:00 ― 6 leggere min

Multimedia Nuovo metodo per prevedere le emozioni nei video

Questo studio presenta un modello per analizzare le reazioni emotive ai contenuti video.

2025-06-21T12:56:30+00:00 ― 7 leggere min

Elaborazione dell'audio e del parlato Combinare Voce e Viso per Riconoscere Meglio l'Identità

Questo articolo parla dei benefici di unire i sistemi di riconoscimento vocale e facciale.

2025-06-21T08:24:30+00:00 ― 5 leggere min

Visione artificiale e riconoscimento di modelli Semplificare la generazione di immagini RGBA con Alfie

Un nuovo metodo per creare immagini RGBA in modo facile ed efficace.

2025-06-21T06:45:12+00:00 ― 7 leggere min

Visione artificiale e riconoscimento di modelli Kangaroo: Un Nuovo Approccio alla Comprensione dei Video

Kangaroo migliora l'analisi video integrando in modo efficace immagini, suoni e testi.

2025-06-20T14:33:30+00:00 ― 5 leggere min

Visione artificiale e riconoscimento di modelli Un Nuovo Approccio alla Segmentazione delle Immagini

Questo documento presenta un modello a singolo codificatore per un miglioramento nella segmentazione delle immagini basata su descrizioni testuali.

2025-06-20T14:09:48+00:00 ― 7 leggere min

Suono Sviluppi nella tecnologia di estrazione del parlante target

Nuovi metodi migliorano la separazione vocale in ambienti rumorosi.

2025-06-20T13:47:05+00:00 ― 5 leggere min

Visione artificiale e riconoscimento di modelli Migliorare la didascalia delle immagini con l'inferenza causale

Un nuovo framework migliora l'accuratezza delle didascalie delle immagini e riduce gli errori.

2025-06-20T09:09:36+00:00 ― 6 leggere min

Multimedia Sistemi di interazione multimodale all'avanzamento

Migliorare come le macchine assistono gli utenti tramite interazioni e risposte migliori.

2025-06-19T23:48:42+00:00 ― 5 leggere min

Interazione uomo-macchina MetaDigiHuman: Un Nuovo Modo di Connettersi nel Metaverso

Esplorando umani digitali e interfacce tattili per interazioni immersive.

2025-06-18T20:09:42+00:00 ― 5 leggere min

Elaborazione di immagini e video Migliorare la Trasmissione dei Dati Video Grazie a Previsioni Intelligenti

Nuovi metodi migliorano la trasmissione video prevedendo in modo efficace i dati mancanti.

2025-06-18T18:03:35+00:00 ― 5 leggere min

Suono Generazione di musica di sottofondo dinamica per media interattivi

Un sistema per regolare la musica in tempo reale nei giochi e nei film.

2025-06-18T10:46:20+00:00 ― 6 leggere min

Multimedia Progressi nella Codifica di Video Facciali Generativi

MRDAC migliora la qualità e la compressione dei video facciali usando più fotogrammi di riferimento.

2025-06-18T07:23:24+00:00 ― 6 leggere min

Suono Utilizzare suoni ultrasonici per misurare la distanza indoors

I ricercatori esplorano gli echi ultrasonici per misurazioni di distanza precise in ambienti interni tranquilli.

2025-06-18T04:17:40+00:00 ― 6 leggere min

Visione artificiale e riconoscimento di modelli Il Ruolo delle Ombre nell'Elaborazione delle Immagini

Esplorando la rilevazione, rimozione e generazione delle ombre nella visione artificiale.

2025-06-17T23:21:30+00:00 ― 8 leggere min

Visione artificiale e riconoscimento di modelli Migliorare la chiarezza delle immagini in cattive condizioni atmosferiche

Un nuovo metodo migliora la qualità delle immagini in condizioni meteo avverse usando modelli linguistici e visivi.

2025-06-17T23:05:42+00:00 ― 6 leggere min

Multimedia Un nuovo framework per la privacy nel cloud computing mobile

Questo framework migliora l'efficienza delle app multimediali proteggendo la privacy degli utenti.

2025-06-17T15:51:12+00:00 ― 7 leggere min

Calcolo e linguaggio LongLLaVA: Una Nuova Era nella Elaborazione delle Immagini

LongLLaVA migliora la comprensione di più immagini per diverse applicazioni.

2025-06-17T07:57:12+00:00 ― 5 leggere min

Visione artificiale e riconoscimento di modelli SegTalker: Avanzando la tecnologia dei volti parlanti

SegTalker migliora i video di volti parlanti con texture realistiche e editing facile.

2025-06-16T15:21:48+00:00 ― 5 leggere min

Visione artificiale e riconoscimento di modelli HiSC4D: Un Nuovo Approccio alla Cattura del Movimento

HiSC4D cattura il movimento umano usando sensori indossabili per un'analisi dell'interazione migliore.

2025-06-16T02:27:36+00:00 ― 7 leggere min

Visione artificiale e riconoscimento di modelli Avanzare nel rispondere a domande su eventi video densi

Presentiamo un metodo per migliorare le risposte alle domande nei video con più eventi.

2025-06-16T02:19:42+00:00 ― 7 leggere min

Suono Sviluppi nella diarisazione degli speaker audio-visivi

Una panoramica dei metodi, delle sfide e dei sistemi di diarizzazione audio-visiva dei relatori.

2025-06-15T21:14:00+00:00 ― 5 leggere min

Visione artificiale e riconoscimento di modelli Miglioramenti nelle prestazioni dei modelli Vision-Language

Questo lavoro migliora i modelli visivi-linguistici con strategie di dati migliori e tecniche innovative.

2025-06-15T18:02:00+00:00 ― 7 leggere min

Visione artificiale e riconoscimento di modelli Avanzando il Grounding Visivo con MMCA

Un nuovo metodo migliora l'identificazione degli oggetti nelle immagini attraverso un'integrazione visiva e testuale personalizzata.

2025-06-15T09:12:42+00:00 ― 6 leggere min

Multimedia Migliorare la classificazione dei meme con SimCLIP

SimCLIP migliora l'analisi dei meme combinando in modo efficace testo e immagini.

2025-06-15T01:42:24+00:00 ― 6 leggere min

Visione artificiale e riconoscimento di modelli Identificare la Persona Più Importante nelle Immagini Sociali

Il dataset MIP-GAF aiuta ad analizzare le dinamiche sociali nelle immagini.

2025-06-14T02:24:06+00:00 ― 6 leggere min

Visione artificiale e riconoscimento di modelli Migliorare i modelli Vision-Language con allineamento composizionale

Un nuovo approccio affina il legame tra immagini e testo nei VLM.

2025-06-13T05:12:12+00:00 ― 5 leggere min

Suono Collegare Arte e Musica Attraverso le Emozioni

La ricerca collega i dipinti alla musica interpretando le emozioni.

2025-06-12T23:35:50+00:00 ― 6 leggere min

Multimedia Nuovo metodo per rilevare le emozioni umane

Uno studio rivela un nuovo modo per identificare le emozioni usando video, suoni e testi.

2025-06-12T23:24:36+00:00 ― 5 leggere min