Nuovi metodi migliorano la sincronizzazione audio con le scene video che cambiano.
― 4 leggere min
Informatica - Multimedia
RSSNVLM migliora la comprensione del linguaggio e delle immagini da parte dell'AI per vari compiti.
― 6 leggere min
Il metodo TRIM riduce i token delle immagini nei modelli di linguaggio multimodali mantenendo le prestazioni.
― 5 leggere min
Esplorare come i LLM migliorano il ragionamento su vari tipi di dati.
― 8 leggere min
PDMX offre una vasta collezione di musica simbolica di dominio pubblico per lo sviluppo dell'IA.
― 6 leggere min
MoRAG migliora la generazione del movimento umano da descrizioni testuali usando il recupero specifico per parti.
― 5 leggere min
Un nuovo dataset punta a migliorare il ragionamento multimodale nei modelli linguistici.
― 7 leggere min
Metodi migliorati per il rilevamento dei confini migliorano il modeling CAD dai scan 3D.
― 7 leggere min
Un nuovo approccio migliora il video question answering grazie al riconoscimento del testo nelle scene.
― 7 leggere min
Llama-AVSR unisce audio e input visivi per migliorare l'accuratezza del riconoscimento vocale.
― 7 leggere min
Un nuovo sistema per creare movimenti della camera danzanti sincronizzati con la musica.
― 5 leggere min
I team si sfidano per migliorare i metodi di previsione dell'attenzione nei video.
― 5 leggere min
Un nuovo metodo che combina modelli per migliorare l'adattamento di dominio non supervisionato nei compiti di segmentazione.
― 6 leggere min
Un nuovo modello crea audio che si abbina al video, migliorando le esperienze media.
― 5 leggere min
Un nuovo framework migliora la qualità dei dataset video-lingua attraverso un raffinamento iterativo.
― 5 leggere min
Questo framework migliora le animazioni in tempo reale sincronizzando alla perfezione il parlato e i gesti.
― 5 leggere min
Scopri come il feedback aptico migliora le esperienze virtuali in diversi settori.
― 4 leggere min
La ricerca unisce AI e dispositivi indossabili per prevedere l'agitazione nei pazienti con demenza.
― 6 leggere min
Una nuova strategia combina l'addestramento generativo e discriminativo nei modelli Vision-Language.
― 5 leggere min
Questo articolo parla di come misurare la soddisfazione degli spettatori nei video in streaming dal vivo.
― 8 leggere min
Un nuovo metodo semplifica la creazione di audio e video per una sincronizzazione migliore.
― 6 leggere min
PiVOT migliora il tracciamento degli oggetti usando il prompting visivo e CLIP per una precisione migliore.
― 5 leggere min
Nuovi metodi migliorano lo streaming video bilanciando qualità e prestazioni.
― 5 leggere min
Presentiamo un nuovo modello e benchmark per valutare i compiti multi-audio.
― 6 leggere min
WildFusion migliora la mappatura e la navigazione dei robot in ambienti esterni complessi usando più sensori.
― 6 leggere min
Un nuovo metodo migliora la velocità e la qualità della compressione delle immagini.
― 5 leggere min
Questo studio analizza come audio, video e testo lavorano insieme nel riconoscimento vocale.
― 7 leggere min
Scopri come CCI migliora le valutazioni della qualità multimediale.
― 6 leggere min
I ricercatori uniscono segnali audio e visivi per rilevare le bugie in modo più preciso.
― 6 leggere min
Un nuovo framework identifica quando i modelli multimodali usano dati di addestramento inappropriati.
― 5 leggere min
Scopri come la percezione sensoriale migliora la comunicazione tra culture e ambiti.
― 7 leggere min
PIAST offre una collezione unica di musica per pianoforte per i ricercatori.
― 5 leggere min
Le macchine imparano a collegare suoni e immagini in spazi 3D.
― 7 leggere min
Un nuovo modo di unire immagini e testo per ottenere risultati di ricerca migliori.
― 5 leggere min
Scopri come TSE migliora il riconoscimento vocale in ambienti affollati usando indizi testuali.
― 6 leggere min
Un sistema nuovo per unire campioni audio e aiutare i creatori di musica a innovare facilmente.
― 5 leggere min
Un sistema crea musica in tempo reale basata sulle narrazioni dei giochi di ruolo da tavolo.
― 7 leggere min
Con l'aumento dei deepfake, diventa fondamentale avere metodi efficaci per detectarli.
― 5 leggere min
TaylorIR migliora la chiarezza delle immagini con meno potenza di calcolo.
― 7 leggere min
MTFusion combina immagini e testo per la creazione avanzata di modelli 3D.
― 6 leggere min