Informatica - Multimedia

Nuovi metodi migliorano la separazione vocale in ambienti rumorosi.

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

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

Esplorando umani digitali e interfacce tattili per interazioni immersive.

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

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

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

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

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

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

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

LongLLaVA migliora la comprensione di più immagini per diverse applicazioni.

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.