:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Moussa, Denise, Hirsch, Germans, Riess, Christian
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Sound Artificial Intelligence Computer Vision and Pattern Recognition Audio and Speech Processing
Online-Zugang:	https://arxiv.org/abs/2207.14682
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Point to the Hidden: Exposing Speech Audio Splicing via Signal Pointer Nets
von: Moussa, Denise, et al.
Veröffentlicht: (2023)

EnvId: A Metric Learning Approach for Forensic Few-Shot Identification of Unseen Environments
von: Moussa, Denise, et al.
Veröffentlicht: (2024)

Contextual Cross-Modal Attention for Audio-Visual Deepfake Detection and Localization
von: Katamneni, Vinaya Sree, et al.
Veröffentlicht: (2024)

From Vision to Sound: Advancing Audio Anomaly Detection with Vision-Based Algorithms
von: Barusco, Manuel, et al.
Veröffentlicht: (2025)

Sounding Highlights: Dual-Pathway Audio Encoders for Audio-Visual Video Highlight Detection
von: Joo, Seohyun, et al.
Veröffentlicht: (2026)

Spectral and Rhythm Features for Audio Classification with Deep Convolutional Neural Networks
von: Wolf-Monheim, Friedrich
Veröffentlicht: (2024)

What's Making That Sound Right Now? Video-centric Audio-Visual Localization
von: Choi, Hahyeon, et al.
Veröffentlicht: (2025)

Masked Generative Video-to-Audio Transformers with Enhanced Synchronicity
von: Pascual, Santiago, et al.
Veröffentlicht: (2024)

FaceTalk: Audio-Driven Motion Diffusion for Neural Parametric Head Models
von: Aneja, Shivangi, et al.
Veröffentlicht: (2023)

SAVE: Segment Audio-Visual Easy way using Segment Anything Model
von: Nguyen, Khanh-Binh, et al.
Veröffentlicht: (2024)

Unified Cross-modal Translation of Score Images, Symbolic Music, and Performance Audio
von: Jung, Jongmin, et al.
Veröffentlicht: (2025)

Enriching Multimodal Sentiment Analysis through Textual Emotional Descriptions of Visual-Audio Content
von: Wu, Sheng, et al.
Veröffentlicht: (2024)

Cooperation Does Matter: Exploring Multi-Order Bilateral Relations for Audio-Visual Segmentation
von: Yang, Qi, et al.
Veröffentlicht: (2023)

JavisDiT: Joint Audio-Video Diffusion Transformer with Hierarchical Spatio-Temporal Prior Synchronization
von: Liu, Kai, et al.
Veröffentlicht: (2025)

LD-LAudio-V1: Video-to-Long-Form-Audio Generation Extension with Dual Lightweight Adapters
von: Zhang, Haomin, et al.
Veröffentlicht: (2025)

Spectral and Rhythm Feature Performance Evaluation for Category and Class Level Audio Classification with Deep Convolutional Neural Networks
von: Wolf-Monheim, Friedrich
Veröffentlicht: (2025)

Seeing Soundscapes: Audio-Visual Generation and Separation from Soundscapes Using Audio-Visual Separator
von: Kang, Minjae, et al.
Veröffentlicht: (2025)

Enhancing Lie Detection Accuracy: A Comparative Study of Classic ML, CNN, and GCN Models using Audio-Visual Features
von: Abdelwahab, Abdelrahman, et al.
Veröffentlicht: (2024)

VGGSounder: Audio-Visual Evaluations for Foundation Models
von: Zverev, Daniil, et al.
Veröffentlicht: (2025)

GaussianSpeech: Audio-Driven Gaussian Avatars
von: Aneja, Shivangi, et al.
Veröffentlicht: (2024)

Audio-Visual Segmentation via Unlabeled Frame Exploitation
von: Liu, Jinxiang, et al.
Veröffentlicht: (2024)

Multimodal Sentiment Analysis based on Video and Audio Inputs
von: Fernandez, Antonio, et al.
Veröffentlicht: (2024)

Object-AVEdit: An Object-level Audio-Visual Editing Model
von: Fu, Youquan, et al.
Veröffentlicht: (2025)

MAVERIX: Multimodal Audio-Visual Evaluation and Recognition IndeX
von: Xie, Liuyue, et al.
Veröffentlicht: (2025)

Hear-Your-Click: Interactive Object-Specific Video-to-Audio Generation
von: Liang, Yingshan, et al.
Veröffentlicht: (2025)

Multilingual Audio-Visual Speech Recognition with Hybrid CTC/RNN-T Fast Conformer
von: Burchi, Maxime, et al.
Veröffentlicht: (2024)

ManiWAV: Learning Robot Manipulation from In-the-Wild Audio-Visual Data
von: Liu, Zeyi, et al.
Veröffentlicht: (2024)

A Survey of Recent Advances and Challenges in Deep Audio-Visual Correlation Learning
von: Vilaca, Luis, et al.
Veröffentlicht: (2024)

Pindrop it! Audio and Visual Deepfake Countermeasures for Robust Detection and Fine Grained-Localization
von: Klein, Nicholas, et al.
Veröffentlicht: (2025)

UniForm: A Unified Multi-Task Diffusion Transformer for Audio-Video Generation
von: Zhao, Lei, et al.
Veröffentlicht: (2025)

MM-Sonate: Multimodal Controllable Audio-Video Generation with Zero-Shot Voice Cloning
von: Qiang, Chunyu, et al.
Veröffentlicht: (2026)

SAV-SE: Scene-aware Audio-Visual Speech Enhancement with Selective State Space Model
von: Qian, Xinyuan, et al.
Veröffentlicht: (2024)

Conditional GAN for Enhancing Diffusion Models in Efficient and Authentic Global Gesture Generation from Audios
von: Cheng, Yongkang, et al.
Veröffentlicht: (2024)

Audio-Enhanced Vision-Language Modeling with Latent Space Broadening for High Quality Data Expansion
von: Sun, Yu, et al.
Veröffentlicht: (2025)

DPN-GAN: Inducing Periodic Activations in Generative Adversarial Networks for High-Fidelity Audio Synthesis
von: Ahmad, Zeeshan, et al.
Veröffentlicht: (2025)

CleanUMamba: A Compact Mamba Network for Speech Denoising using Channel Pruning
von: Groot, Sjoerd, et al.
Veröffentlicht: (2024)

Global-Local Distillation Network-Based Audio-Visual Speaker Tracking with Incomplete Modalities
von: Li, Yidi, et al.
Veröffentlicht: (2024)

MINT: a Multi-modal Image and Narrative Text Dubbing Dataset for Foley Audio Content Planning and Generation
von: Fu, Ruibo, et al.
Veröffentlicht: (2024)

AVTENet: A Human-Cognition-Inspired Audio-Visual Transformer-Based Ensemble Network for Video Deepfake Detection
von: Hashmi, Ammarah, et al.
Veröffentlicht: (2023)

Foley-Flow: Coordinated Video-to-Audio Generation with Masked Audio-Visual Alignment and Dynamic Conditional Flows
von: Mo, Shentong, et al.
Veröffentlicht: (2026)