Yike Guo

FlashSpeechは、迅速で高品質な音声合成ソリューションを提供してるよ。

マルチビューディフュージョンを使って、単一の画像から詳細な3D画像を作る新しい方法。

大きな言語モデルをもっと効率的にトレーニングする新しい方法が出てきてるよ。

CoCoGestureは、話される言葉に合わせたリアルなジェスチャーを作って、インタラクションを高めるんだ。

大規模言語モデルがマルチメディア生成を通じて創造性をどう高めるかを探ってみよう。

動画コンテンツに合った音楽を効果的に作る新しい方法。

新しい方法がデータから数学的表現を探すのを改善する。

誠実なコンピューティングはデータ処理における信頼と倫理を重視してるよ。

MMTrailは、より良いビデオ言語モデルのために視覚と音声の説明を組み合わせてるんだ。

この研究は、LLMが音楽をどれくらい理解して生成できるかを調べてるよ。

新しい方法が言語モデルを強化して、パフォーマンスを向上させ、リソースの使用を減らすよ。

NoRAは、少ないリソースで大きなモデルを適応させる賢い方法を提供します。

X-Codecは、音声生成をセマンティックな理解を処理に組み込むことで改善するんだ。

新しいモデルが山火事予測のスピードと精度を向上させた。

新しい方法で、たった1枚の画像からよりリアルな3Dモデリングができるようになったよ。

新しい予測ツールが野火の管理と対応戦略を強化。

研究者たちが活き活きとした歌の動画のための新しいモデルを開発し、アニメーションを強化したよ。