Buchumschlag

OmniResponse: Online Multimodal Conversational Response Generation in Dyadic Interactions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Cheng, Wang, Jianghui, Li, Bing, Song, Siyang, Ghanem, Bernard
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Human-Computer Interaction
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ReactFace: Online Multiple Appropriate Facial Reaction Generation in Dyadic Interactions
von: Luo, Cheng, et al.
Veröffentlicht: (2023)

ReactMotion: Generating Reactive Listener Motions from Speaker Utterance
von: Luo, Cheng, et al.
Veröffentlicht: (2026)

Towards a Multimodal Document-grounded Conversational AI System for Education
von: Taneja, Karan, et al.
Veröffentlicht: (2025)

OmniACT: A Dataset and Benchmark for Enabling Multimodal Generalist Autonomous Agents for Desktop and Web
von: Kapoor, Raghav, et al.
Veröffentlicht: (2024)

Refusal as Silence: Gendered Disparities in Vision-Language Model Responses
von: Luo, Sha, et al.
Veröffentlicht: (2024)

Regressor-Guided Generative Image Editing Balances User Emotions to Reduce Time Spent Online
von: Gebhardt, Christoph, et al.
Veröffentlicht: (2025)

RITA: A Real-time Interactive Talking Avatars Framework
von: Cheng, Wuxinlin, et al.
Veröffentlicht: (2024)

See-Control: A Multimodal Agent Framework for Smartphone Interaction with a Robotic Arm
von: Zhao, Haoyu, et al.
Veröffentlicht: (2025)

Yume: An Interactive World Generation Model
von: Mao, Xiaofeng, et al.
Veröffentlicht: (2025)

Enhancing Online Learning by Integrating Biosensors and Multimodal Learning Analytics for Detecting and Predicting Student Behavior: A Review
von: Becerra, Alvaro, et al.
Veröffentlicht: (2025)

E3RG: Building Explicit Emotion-driven Empathetic Response Generation System with Multimodal Large Language Model
von: Lin, Ronghao, et al.
Veröffentlicht: (2025)

ImageTalk: Designing a Multimodal AAC Text Generation System Driven by Image Recognition and Natural Language Generation
von: Yang, Boyin, et al.
Veröffentlicht: (2025)

AI-based Multimodal Biometrics for Detecting Smartphone Distractions: Application to Online Learning
von: Becerra, Alvaro, et al.
Veröffentlicht: (2025)

Scene-Aware Conversational ADAS with Generative AI for Real-Time Driver Assistance
von: Han, Kyungtae, et al.
Veröffentlicht: (2025)

Let's Go Real Talk: Spoken Dialogue Model for Face-to-Face Conversation
von: Park, Se Jin, et al.
Veröffentlicht: (2024)

T2I-Copilot: A Training-Free Multi-Agent Text-to-Image System for Enhanced Prompt Interpretation and Interactive Generation
von: Chen, Chieh-Yun, et al.
Veröffentlicht: (2025)

Avatar Forcing: Real-Time Interactive Head Avatar Generation for Natural Conversation
von: Ki, Taekyung, et al.
Veröffentlicht: (2026)

Generative AI for Cel-Animation: A Survey
von: Tang, Yolo Y., et al.
Veröffentlicht: (2025)

InterFeedback: Unveiling Interactive Intelligence of Large Multimodal Models via Human Feedback
von: Zhao, Henry Hengyuan, et al.
Veröffentlicht: (2025)

EEG-based Multimodal Representation Learning for Emotion Recognition
von: Yin, Kang, et al.
Veröffentlicht: (2024)

Explorer: Robust Collection of Interactable GUI Elements
von: Chaimalas, Iason, et al.
Veröffentlicht: (2025)

GazeLLM: Multimodal LLMs incorporating Human Visual Attention
von: Rekimoto, Jun
Veröffentlicht: (2025)

GameWorld: Towards Standardized and Verifiable Evaluation of Multimodal Game Agents
von: Ouyang, Mingyu, et al.
Veröffentlicht: (2026)

ViSIL: Unified Evaluation of Information Loss in Multimodal Video Captioning
von: Li, Po-han, et al.
Veröffentlicht: (2026)

Milmer: a Framework for Multiple Instance Learning based Multimodal Emotion Recognition
von: Wang, Zaitian, et al.
Veröffentlicht: (2025)

CG-MER: A Card Game-based Multimodal dataset for Emotion Recognition
von: Farhat, Nessrine, et al.
Veröffentlicht: (2025)

Color When It Counts: Grayscale-Guided Online Triggering for Always-On Streaming Video Sensing
von: Cai, Weitong, et al.
Veröffentlicht: (2026)

Seeing Eye to AI: Human Alignment via Gaze-Based Response Rewards for Large Language Models
von: Lopez-Cardona, Angela, et al.
Veröffentlicht: (2024)

Simulating Clinical AI Assistance using Multimodal LLMs: A Case Study in Diabetic Retinopathy
von: Barakat, Nadim, et al.
Veröffentlicht: (2025)

StreamAvatar: Streaming Diffusion Models for Real-Time Interactive Human Avatars
von: Sun, Zhiyao, et al.
Veröffentlicht: (2025)

SkinGEN: an Explainable Dermatology Diagnosis-to-Generation Framework with Interactive Vision-Language Models
von: Lin, Bo, et al.
Veröffentlicht: (2024)

Achieving Effective Virtual Reality Interactions via Acoustic Gesture Recognition based on Large Language Models
von: Zhang, Xijie, et al.
Veröffentlicht: (2025)

Real-Time Intuitive AI Drawing System for Collaboration: Enhancing Human Creativity through Formal and Contextual Intent Integration
von: Song, Jookyung, et al.
Veröffentlicht: (2025)

ReactDiff: Fundamental Multiple Appropriate Facial Reaction Diffusion Model
von: Cheng, Luo, et al.
Veröffentlicht: (2025)

Using Text-to-Image Generation for Architectural Design Ideation
von: Paananen, Ville, et al.
Veröffentlicht: (2023)

Characterizing Photorealism and Artifacts in Diffusion Model-Generated Images
von: Kamali, Negar, et al.
Veröffentlicht: (2025)

Generative Augmented Reality: Paradigms, Technologies, and Future Applications
von: Liang, Chen, et al.
Veröffentlicht: (2025)

UI-UG: A Unified MLLM for UI Understanding and Generation
von: Yang, Hao, et al.
Veröffentlicht: (2025)

How to Distinguish AI-Generated Images from Authentic Photographs
von: Kamali, Negar, et al.
Veröffentlicht: (2024)

It's a Feature, Not a Bug: Measuring Creative Fluidity in Image Generators
von: Ramaswamy, Aditi, et al.
Veröffentlicht: (2024)