Joon Son Chung

FlexiAST permite que modelos se adaptem a tamanhos de áudio variados de forma eficiente.

Melhorando a forma como identificamos fontes de som usando dados áudio-visuais.

Um novo método melhora a verificação de falantes gerenciando a variabilidade das sessões de forma eficaz.

Esse artigo fala sobre um método automatizado pra gerar trailers de filmes de forma eficiente.

Novos métodos melhoram a sumarização de vídeos usando grandes conjuntos de dados e modelos avançados.

ElasticAST permite processar áudio de comprimento variável de forma eficiente sem perder detalhes importantes.

Um estudo sobre como melhorar a localização de fontes sonoras aproveitando melhor as informações audiovisuais.

Uma visão geral dos avanços no reconhecimento de fala através do VoxCeleb Challenge.