Informática - Multimédia

Integrando IA pra melhorar as estratégias de marketing e a eficácia das campanhas.

X-Former melhora como os modelos juntam a compreensão de imagem e texto.

Combatendo informações enganosas com novas metodologias e tecnologias.

Um novo sistema que combina análise de texto e imagem pra combater desinformação.

Novo método RoE aumenta a eficiência de modelos de linguagem grandes multimodais com roteamento dinâmico.

Apresentando o 360VFI pra melhorar a qualidade e a experiência de vídeo 360 graus.

Um novo modelo combina áudio e vídeo pra uma melhor compreensão.

Um novo método melhora a separação de vozes em ambientes barulhentos com vários falantes.

Esse estudo analisa métodos de amostragem de quadros pra melhorar a busca de conteúdo em vídeo.

Uma nova ferramenta facilita a criação de clipes de destaque específicos para jogadores a partir de vídeos de futebol.

O HaloQuest resolve problemas de alucinação em modelos de visão-linguagem com um novo conjunto de dados.

Um novo framework melhora a recuperação de objetos 3D a partir de diferentes tipos de dados.

Analisando o processo criativo por trás da produção de vídeos de fake news.

QPT V2 melhora a pontuação visual usando modelagem de imagem mascarada e dados de alta qualidade.

O MMTrail combina descrições visuais e sonoras para melhorar os modelos de linguagem em vídeo.

Novo método fortalece a privacidade de imagens e textos compartilhados.

Um novo método melhora o desempenho do AVQA quando entradas de áudio ou visuais estão faltando.

Um método pra criar áudios que combinam com vídeos em primeira pessoa.

Uma coleção diversificada de modelos 3D para oportunidades de pesquisa melhoradas.

Este estudo analisa como os LLMs entendem e geram música.

Um novo modelo que sincroniza anotações de acordes com o áudio da música de forma perfeita.

Um modelo unificado melhora a compressão de nuvem de pontos para uma qualidade e eficiência melhores.

Método inovador adiciona mensagens escondidas pra garantir a autenticidade da imagem.

Uma ferramenta que identifica de forma eficaz conteúdo deepfake através da análise combinada de áudio e visual.

Um novo parâmetro pra avaliar modelos que analisam música e linguagem.

Uma nova abordagem junta dados de áudio, vídeo e texto pra um diagnóstico de depressão mais eficaz.

Um novo framework melhora a classificação em tarefas áudio-visuais não vistas.

Um novo modelo melhora a segmentação de silhuetas usando sinais de RF pra um melhor captura de movimento.

Novo conjunto de dados traz informações sobre discurso de ódio em várias línguas e formatos.

Novo framework melhora o processamento de imagem em modelos de linguagem grandes multimodais.

AxiomVision traz uma nova forma de analisar vídeos, melhorando o desempenho em condições que mudam.

Novos sistemas combinam áudio e vídeo pra melhorar a detecção de violência em lugares públicos.

Um novo sistema melhora as chamadas de vídeo em headsets VR acessíveis usando comandos de voz.

Um guia claro sobre tipos de manuscritos e desafios na submissão.

Um novo método melhora o reconhecimento de objetos em vídeos através de sons e dicas visuais.

Uma olhada em estratégias para lidar com dados de cauda longa em machine learning.

Um novo método melhora a detecção de outliers em conjuntos de dados multi-visão com visões faltando.

Um estudo sobre os desafios e soluções para alucinações em MLLMs.

Uma estrutura pra lidar com o barulho de dados em técnicas de recuperação cross-modal.

Um novo conjunto de dados ajuda a criar ferramentas melhores pra detectar fraudes em documentos de identidade.