Informática - Multimédia

Um novo método combina desenhos e texto pra melhorar a geração de formas 3D.

Um novo modelo pra proteger os direitos dos criadores de prompts em ferramentas de IA.

Uma nova abordagem melhora a eficiência em tarefas de pré-treinamento de Visão-Linguagem.

O DiffSynth melhora a qualidade do vídeo reduzindo a piscada e melhorando a mistura de quadros.

Uma olhada em como a Otimização Minimax melhora a eficiência das Redes Neurais de Pulsos.

Jade melhora a qualidade do vídeo com base no feedback dos usuários e em técnicas de streaming adaptativo.

Um novo modelo recomenda cores com base em elementos de design e texto.

Um novo método melhora a comunicação por gestos para avatares com formas de mão únicas.

A AVQA liga elementos de áudio e visual em vídeos pra responder perguntas.

Um novo método pra criar animações faciais 3D realistas de forma rápida e eficiente.

Novos métodos melhoram a detecção de mensagens ocultas em arquivos de vídeo.

Um método pra traduzir imagens de crânios em representações realistas de animais usando prompts de texto.

Novos métodos melhoram a detecção de eventos em vídeos em streaming usando linguagem e dados históricos.

Uma nova abordagem melhora a detecção de memes prejudiciais usando perguntas direcionadas.

Explore os laços emocionais entre música e imagens com o dataset EMID.

Essa pesquisa conecta a atividade cerebral à percepção visual ao reconstruir imagens a partir dos sinais de EEG.

Descubra o impacto do ancoramento visual nas interações entre linguagem e imagem.

Um novo método aumenta a eficiência no reconhecimento de vídeo usando dados de áudio e visuais.

Um novo agente de IA melhora a eficiência e a qualidade dos testes de jogos.

A Dronevision tá revolucionando o multimedia 3D com um display do tamanho de uma mesa usando drones voadores.

Um estudo sobre sensores essenciais para o desempenho de novos drones.

Um novo framework melhora as sugestões de itens usando diferentes tipos de dados.

Descubra a EVE, um modelo que melhora a compreensão de imagens e texto.

A pesquisa foca em melhorar modelos que ligam visuais e texto através da compreensão de linguagem.

Novo modelo melhora a geração de gestos para interações mais parecidas com humanas.

Um novo método melhora a correspondência de áudio usando imagens, aumentando o realismo em ambientes de áudio.

Analisando preocupações com dados ocultos em modelos de machine learning e suas implicações de segurança.

Um conjunto de dados liga emoções a músicas MIDI analisando as letras das canções.

Uma nova abordagem melhora a precisão ao responder perguntas sobre textos em imagens.

O PROOFREAD melhora a resposta a perguntas visuais usando conhecimento de grandes modelos de linguagem.

Usando LLMs pra criar um dataset gigante pra legendagem de música.

A Rede de Difusão de Terreno melhora a criação de paisagens realistas com a participação dos usuários.

HierVST transforma vozes de forma suave, melhorando a qualidade do áudio sem precisar de muitos dados.

Uma nova abordagem transforma fotos de rostos em desenhos parecidos com humanos usando técnicas avançadas.

A pesquisa desenvolve um modelo pra medir com precisão o engajamento em conversas.

Uma nova maneira de proteger imagens RAW de manipulação.

Novo conjunto de dados e métodos melhoram a precisão na resposta de perguntas sobre vídeos.

A estrutura da UniSA unifica tarefas na análise de sentimentos pra uma melhor reconhecimento das emoções.

Um método que usa movimentos de cabeça engana com sucesso sistemas de detecção de deepfake.

Uma estrutura pra adaptação eficiente de modelos de linguagem grandes multimodais.