Новости
Nunchi: Ears Help Eyes in Multi-Party Conversations
arXiv cs.AI · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- Nunchi framework improves gaze detection in multi-party conversations by combining visual gaze geometry with speech and transcript cues through vision-language models.
- Почему это важно
- Matters for engineers building video understanding systems, meeting analysis tools, or attention-tracking applications that must identify who someone is looking at.
- На что обратить внимание
- Requires synchronized speech, transcripts, and speaker identification; gains depend on transcript quality and may not generalize to scenarios lacking reliable audio or speech data.
- speech
- benchmark
Паттерны, стоящие за этой новостью
Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.
The Agent Architect
Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.
Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.