Informatica - Multimedia

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

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

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

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

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

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

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

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

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

La ricerca collega i dipinti alla musica interpretando le emozioni.

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

Questo articolo esplora come input diversi possono aumentare l'accuratezza del riconoscimento vocale.

LLaQo offre un feedback dettagliato per la valutazione delle performance musicali, migliorando l'apprendimento degli studenti.

Esplorando come Starlink influisce sullo streaming video a livello globale.

L'intelligenza artificiale sta cambiando la musica con nuovi strumenti e approcci.

Migliorare la comunicazione in tempo reale con nuovi metodi di controllo della congestione.

Nuovi metodi migliorano la sincronizzazione audio con le scene video che cambiano.

NVLM migliora la comprensione del linguaggio e delle immagini da parte dell'AI per vari compiti.

Il metodo TRIM riduce i token delle immagini nei modelli di linguaggio multimodali mantenendo le prestazioni.

Esplorare come i LLM migliorano il ragionamento su vari tipi di dati.

PDMX offre una vasta collezione di musica simbolica di dominio pubblico per lo sviluppo dell'IA.

MoRAG migliora la generazione del movimento umano da descrizioni testuali usando il recupero specifico per parti.

Un nuovo dataset punta a migliorare il ragionamento multimodale nei modelli linguistici.

Metodi migliorati per il rilevamento dei confini migliorano il modeling CAD dai scan 3D.

Un nuovo approccio migliora il video question answering grazie al riconoscimento del testo nelle scene.

Llama-AVSR unisce audio e input visivi per migliorare l'accuratezza del riconoscimento vocale.

Un nuovo sistema per creare movimenti della camera danzanti sincronizzati con la musica.

I team si sfidano per migliorare i metodi di previsione dell'attenzione nei video.

Un nuovo metodo che combina modelli per migliorare l'adattamento di dominio non supervisionato nei compiti di segmentazione.

Un nuovo modello crea audio che si abbina al video, migliorando le esperienze media.

Un nuovo framework migliora la qualità dei dataset video-lingua attraverso un raffinamento iterativo.

Questo framework migliora le animazioni in tempo reale sincronizzando alla perfezione il parlato e i gesti.

Scopri come il feedback aptico migliora le esperienze virtuali in diversi settori.

La ricerca unisce AI e dispositivi indossabili per prevedere l'agitazione nei pazienti con demenza.

Una nuova strategia combina l'addestramento generativo e discriminativo nei modelli Vision-Language.

Questo articolo parla di come misurare la soddisfazione degli spettatori nei video in streaming dal vivo.

Un nuovo metodo semplifica la creazione di audio e video per una sincronizzazione migliore.

PiVOT migliora il tracciamento degli oggetti usando il prompting visivo e CLIP per una precisione migliore.

Nuovi metodi migliorano lo streaming video bilanciando qualità e prestazioni.

Presentiamo un nuovo modello e benchmark per valutare i compiti multi-audio.