Buchumschlag

Dyads: Artist-Centric, AI-Generated Dance Duets

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Zixuan, Zerkowski, Luis, Vidrin, Ilya, Pettee, Mariel
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Invisible Strings: Revealing Latent Dancer-to-Dancer Interactions with Graph Neural Networks
von: Zerkowski, Luis Vitor, et al.
Veröffentlicht: (2025)

Uncovering Latent Connections in Indigenous Heritage: Semantic Pipelines for Cultural Preservation in Brazil
von: Zerkowski, Luis Vitor, et al.
Veröffentlicht: (2025)

A Human-Centric Approach to Explainable AI for Personalized Education
von: Swamy, Vinitra
Veröffentlicht: (2025)

AI Supply Chains: An Emerging Ecosystem of AI Actors, Products, and Services
von: Hopkins, Aspen, et al.
Veröffentlicht: (2025)

Rethinking Anonymity Claims in Synthetic Data Generation: A Model-Centric Privacy Attack Perspective
von: Ganev, Georgi, et al.
Veröffentlicht: (2026)

ELEVATE-GenAI: Reporting Guidelines for the Use of Large Language Models in Health Economics and Outcomes Research: an ISPOR Working Group on Generative AI Report
von: Fleurence, Rachael L., et al.
Veröffentlicht: (2024)

Substance Beats Style: Why Beginning Students Fail to Code with LLMs
von: Lucchetti, Francesca, et al.
Veröffentlicht: (2024)

Intrinsic User-Centric Interpretability through Global Mixture of Experts
von: Swamy, Vinitra, et al.
Veröffentlicht: (2024)

Balancing Fairness and Performance in Healthcare AI: A Gradient Reconciliation Approach
von: Wang, Xiaoyang, et al.
Veröffentlicht: (2025)

Uncertain Boundaries: Multidisciplinary Approaches to Copyright Issues in Generative AI
von: Amon, Archer, et al.
Veröffentlicht: (2024)

Generalization in Healthcare AI: Evaluation of a Clinical Large Language Model
von: Rahman, Salman, et al.
Veröffentlicht: (2024)

DC-Check: A Data-Centric AI checklist to guide the development of reliable machine learning systems
von: Seedat, Nabeel, et al.
Veröffentlicht: (2022)

Generative AI Training and Copyright Law
von: Stober, Sebastian, et al.
Veröffentlicht: (2025)

Measurement to Meaning: A Validity-Centered Framework for AI Evaluation
von: Salaudeen, Olawale, et al.
Veröffentlicht: (2025)

Generative AI Meets Future Cities: Towards an Era of Autonomous Urban Intelligence
von: Wang, Dongjie, et al.
Veröffentlicht: (2023)

Towards Effective Discrimination Testing for Generative AI
von: Zollo, Thomas P., et al.
Veröffentlicht: (2024)

Reflecting in the Reflection: Integrating a Socratic Questioning Framework into Automated AI-Based Question Generation
von: Holub, Ondřej, et al.
Veröffentlicht: (2026)

Welfare-Centric Clustering
von: Zhang, Claire Jie, et al.
Veröffentlicht: (2025)

AI and Generative AI Transforming Disaster Management: A Survey of Damage Assessment and Response Techniques
von: Raj, Aman, et al.
Veröffentlicht: (2025)

Toward an Artist-Centred AI
von: Krekovic, Gordan, et al.
Veröffentlicht: (2024)

ArtistMus: A Globally Diverse, Artist-Centric Benchmark for Retrieval-Augmented Music Question Answering
von: Kwon, Daeyong, et al.
Veröffentlicht: (2025)

Red-Teaming for Generative AI: Silver Bullet or Security Theater?
von: Feffer, Michael, et al.
Veröffentlicht: (2024)

Evaluation without Generation: Non-Generative Assessment of Harmful Model Specialization with Applications to CSAM
von: Suriyakumar, Vinith M., et al.
Veröffentlicht: (2026)

Towards Responsible Development of Generative AI for Education: An Evaluation-Driven Approach
von: Jurenka, Irina, et al.
Veröffentlicht: (2024)

AssurAI: Experience with Constructing Korean Socio-cultural Datasets to Discover Potential Risks of Generative AI
von: Lim, Chae-Gyun, et al.
Veröffentlicht: (2025)

AI for Scientific Discovery is a Social Problem
von: Channing, Georgia, et al.
Veröffentlicht: (2025)

Extinction Risks from AI: Invisible to Science?
von: Kovarik, Vojtech, et al.
Veröffentlicht: (2024)

The Benefits and Risks of Transductive Approaches for AI Fairness
von: Razzak, Muhammed, et al.
Veröffentlicht: (2024)

Learning Likelihood Ratios with Neural Network Classifiers
von: Rizvi, Shahzar, et al.
Veröffentlicht: (2023)

The Case for ESM3 as a General-Purpose AI Model with Systemic Risk Under the EU AI Act
von: Qureshi, Taro, et al.
Veröffentlicht: (2026)

Democratizing AI Governance: Balancing Expertise and Public Participation
von: Ter-Minassian, Lucile
Veröffentlicht: (2025)

The Synthetic Mirror -- Synthetic Data at the Age of Agentic AI
von: Momha, Marcelle
Veröffentlicht: (2025)

EnviroLLM: Resource Tracking and Optimization for Local AI
von: Allen, Troy
Veröffentlicht: (2025)

Generative AI in Medicine
von: Shanmugam, Divya, et al.
Veröffentlicht: (2024)

Training Compute Thresholds: Features and Functions in AI Regulation
von: Heim, Lennart, et al.
Veröffentlicht: (2024)

Australian Bushfire Intelligence with AI-Driven Environmental Analytics
von: Jois, Tanvi, et al.
Veröffentlicht: (2026)

One Size Fits None: Rethinking Fairness in Medical AI
von: Roller, Roland, et al.
Veröffentlicht: (2025)

Efficiency is Not Enough: A Critical Perspective of Environmentally Sustainable AI
von: Wright, Dustin, et al.
Veröffentlicht: (2023)

Open Shouldn't Mean Exempt: Open-Source Exceptionalism and Generative AI
von: Atkinson, David
Veröffentlicht: (2025)

Using predictive multiplicity to measure individual performance within the AI Act
von: Frohnapfel, Karolin, et al.
Veröffentlicht: (2026)