dance
PulseAugur coverage of dance — every cluster mentioning dance across labs, papers, and developer communities, ranked by signal.
-
AI增强舞蹈表演的视觉创意
该条目讨论了AI时代视觉创意的大胆程度日益增加，并指出AI可以将普通的舞蹈表演提升到电影般的品质。文章认为，性感不仅仅是露骨的展示，更是舞台表现力、节奏感和自我表达。
-
新基准NRITYAM测试AI在全球舞蹈中的文化理解力
研究人员推出了NRITYAM，这是一个旨在评估语言模型在特定全球舞蹈传统领域内文化理解力的新基准。该基准包含12种语言的9,260个问答对，是同类数据集中规模最大的。NRITYAM与舞蹈艺术家和母语人士合作开发，旨在为评估AI系统如何理解和推理传统表演艺术树立新标准。
-
作者谴责科技巨头接管AI艺术，赞扬戏剧的人类抵抗
作者认为，科技巨头公司正在将AI生成的内容强加于绘画、电影、音乐和文学等各种艺术形式，并称之为“AI垃圾”。他们担心这种趋势正在非人化，并且目前只有戏剧和舞蹈等某些艺术形式能够抵制这种侵蚀，因为它们依赖于真实的真人表演。
-
新的 DANCE 方法改进了弱监督目标检测
研究人员推出了一种名为 DANCE 的新方法，用于弱监督目标检测 (WSOD)，旨在提高准确性，而无需精确的边界框标注。DANCE 通过使用热图引导的建议选择器生成更准确的伪真实边界框来解决现有方法的局限性，这些边界框能够捕捉整个对象并区分相邻实例。它还结合了背景类别表示和负确定性监督，以加速收敛并弥合语义鸿沟。
-
深度学习模型DANCE无需对齐即可检测和分类脑电图事件
研究人员开发了DANCE，这是一个深度学习管道，旨在直接从原始、未对齐的脑电图（EEG）信号中检测和分类事件。这种方法将神经解码视为一个集合预测问题，消除了在实际监测场景中通常不可用的预对齐事件起始点的需求。在十个不同的数据集上进行评估，DANCE在各种认知、临床和脑机接口（BCI）任务中表现优于现有方法，为癫痫监测设定了新的最先进水平，并在BCI应用方面与受起始点信息指导的模型相媲美。