An Audio-Visual Speech Separation Model Inspired by Cortico-Thalamo-Cortical Circuits
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Li, Kai, Xie, Fenghua, Chen, Hang, Yuan, Kexin, Hu, Xiaolin |
|---|---|
| Format: | Preprint |
| Publié: |
2022
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Efficient Audio-Visual Speech Separation with Discrete Lip Semantics and Multi-Scale Global-Local Attention
par: Li, Kai, et autres
Publié: (2025)
par: Li, Kai, et autres
Publié: (2025)
RTFS-Net: Recurrent Time-Frequency Modelling for Efficient Audio-Visual Speech Separation
par: Pegg, Samuel, et autres
Publié: (2023)
par: Pegg, Samuel, et autres
Publié: (2023)
IIANet: An Intra- and Inter-Modality Attention Network for Audio-Visual Speech Separation
par: Li, Kai, et autres
Publié: (2023)
par: Li, Kai, et autres
Publié: (2023)
Audio-Visual Speech Enhancement In Complex Scenarios With Separation And Dereverberation Joint Modeling
par: Du, Jiarong, et autres
Publié: (2025)
par: Du, Jiarong, et autres
Publié: (2025)
Robust Audio-Visual Segmentation via Audio-Guided Visual Convergent Alignment
par: Liu, Chen, et autres
Publié: (2025)
par: Liu, Chen, et autres
Publié: (2025)
AlignVSR: Audio-Visual Cross-Modal Alignment for Visual Speech Recognition
par: Liu, Zehua, et autres
Publié: (2024)
par: Liu, Zehua, et autres
Publié: (2024)
Semantic Audio-Visual Navigation in Continuous Environments
par: Zeng, Yichen, et autres
Publié: (2026)
par: Zeng, Yichen, et autres
Publié: (2026)
Whisper-Flamingo: Integrating Visual Features into Whisper for Audio-Visual Speech Recognition and Translation
par: Rouditchenko, Andrew, et autres
Publié: (2024)
par: Rouditchenko, Andrew, et autres
Publié: (2024)
Separate in the Speech Chain: Cross-Modal Conditional Audio-Visual Target Speech Extraction
par: Mu, Zhaoxi, et autres
Publié: (2024)
par: Mu, Zhaoxi, et autres
Publié: (2024)
VAEmo: Efficient Representation Learning for Visual-Audio Emotion with Knowledge Injection
par: Cheng, Hao, et autres
Publié: (2025)
par: Cheng, Hao, et autres
Publié: (2025)
Large Language Models are Strong Audio-Visual Speech Recognition Learners
par: Cappellazzo, Umberto, et autres
Publié: (2024)
par: Cappellazzo, Umberto, et autres
Publié: (2024)
MoME: Mixture of Matryoshka Experts for Audio-Visual Speech Recognition
par: Cappellazzo, Umberto, et autres
Publié: (2025)
par: Cappellazzo, Umberto, et autres
Publié: (2025)
A Systematic Study of Cross-Modal Typographic Attacks on Audio-Visual Reasoning
par: Chen, Tianle, et autres
Publié: (2026)
par: Chen, Tianle, et autres
Publié: (2026)
Seeing Soundscapes: Audio-Visual Generation and Separation from Soundscapes Using Audio-Visual Separator
par: Kang, Minjae, et autres
Publié: (2025)
par: Kang, Minjae, et autres
Publié: (2025)
Seeing Speech and Sound: Distinguishing and Locating Audios in Visual Scenes
par: Ryu, Hyeonggon, et autres
Publié: (2025)
par: Ryu, Hyeonggon, et autres
Publié: (2025)
Speech Audio Generation from dynamic MRI via a Knowledge Enhanced Conditional Variational Autoencoder
par: Li, Yaxuan, et autres
Publié: (2025)
par: Li, Yaxuan, et autres
Publié: (2025)
DuoGesture: Neuro-Inspired and Biomechanically Informed Dual-Stream Co-Speech Gesture Generation
par: Paar, Ferdinand, et autres
Publié: (2026)
par: Paar, Ferdinand, et autres
Publié: (2026)
High-Quality Sound Separation Across Diverse Categories via Visually-Guided Generative Modeling
par: Huang, Chao, et autres
Publié: (2025)
par: Huang, Chao, et autres
Publié: (2025)
AV-RIR: Audio-Visual Room Impulse Response Estimation
par: Ratnarajah, Anton, et autres
Publié: (2023)
par: Ratnarajah, Anton, et autres
Publié: (2023)
Continual Audio-Visual Sound Separation
par: Pian, Weiguo, et autres
Publié: (2024)
par: Pian, Weiguo, et autres
Publié: (2024)
Semantic Noise Reduction via Teacher-Guided Dual-Path Audio-Visual Representation Learning
par: Wang, Linge, et autres
Publié: (2026)
par: Wang, Linge, et autres
Publié: (2026)
Collaborative Hybrid Propagator for Temporal Misalignment in Audio-Visual Segmentation
par: Li, Kexin, et autres
Publié: (2024)
par: Li, Kexin, et autres
Publié: (2024)
Dynamic Derivation and Elimination: Audio Visual Segmentation with Enhanced Audio Semantics
par: Liu, Chen, et autres
Publié: (2025)
par: Liu, Chen, et autres
Publié: (2025)
Audio-Visual World Models: Towards Multisensory Imagination in Sight and Sound
par: Wang, Jiahua, et autres
Publié: (2025)
par: Wang, Jiahua, et autres
Publié: (2025)
Rethinking Audio-Visual Adversarial Vulnerability from Temporal and Modality Perspectives
par: Zhang, Zeliang, et autres
Publié: (2025)
par: Zhang, Zeliang, et autres
Publié: (2025)
WAVE: Learning Unified & Versatile Audio-Visual Embeddings with Multimodal LLM
par: Tang, Changli, et autres
Publié: (2025)
par: Tang, Changli, et autres
Publié: (2025)
mWhisper-Flamingo for Multilingual Audio-Visual Noise-Robust Speech Recognition
par: Rouditchenko, Andrew, et autres
Publié: (2025)
par: Rouditchenko, Andrew, et autres
Publié: (2025)
Mitigating Attention Sinks and Massive Activations in Audio-Visual Speech Recognition with LLMs
par: Anand, et autres
Publié: (2025)
par: Anand, et autres
Publié: (2025)
OmniForcing: Unleashing Real-time Joint Audio-Visual Generation
par: Su, Yaofeng, et autres
Publié: (2026)
par: Su, Yaofeng, et autres
Publié: (2026)
TDFNet: An Efficient Audio-Visual Speech Separation Model with Top-down Fusion
par: Pegg, Samuel, et autres
Publié: (2024)
par: Pegg, Samuel, et autres
Publié: (2024)
video-SALMONN 2: Caption-Enhanced Audio-Visual Large Language Models
par: Tang, Changli, et autres
Publié: (2025)
par: Tang, Changli, et autres
Publié: (2025)
Audio-Guided Visual Perception for Audio-Visual Navigation
par: Wang, Yi, et autres
Publié: (2025)
par: Wang, Yi, et autres
Publié: (2025)
JavisDiT++: Unified Modeling and Optimization for Joint Audio-Video Generation
par: Liu, Kai, et autres
Publié: (2026)
par: Liu, Kai, et autres
Publié: (2026)
Schrodinger Audio-Visual Editor: Object-Level Audiovisual Removal
par: Xu, Weihan, et autres
Publié: (2025)
par: Xu, Weihan, et autres
Publié: (2025)
MOVA: Towards Scalable and Synchronized Video-Audio Generation
par: OpenMOSS Team, et autres
Publié: (2026)
par: OpenMOSS Team, et autres
Publié: (2026)
Bootstrapping Audio-Visual Segmentation by Strengthening Audio Cues
par: Chen, Tianxiang, et autres
Publié: (2024)
par: Chen, Tianxiang, et autres
Publié: (2024)
RT-LA-VocE: Real-Time Low-SNR Audio-Visual Speech Enhancement
par: Chen, Honglie, et autres
Publié: (2024)
par: Chen, Honglie, et autres
Publié: (2024)
SonoWorld: From One Image to a 3D Audio-Visual Scene
par: Jin, Derong, et autres
Publié: (2026)
par: Jin, Derong, et autres
Publié: (2026)
A Study of Dropout-Induced Modality Bias on Robustness to Missing Video Frames for Audio-Visual Speech Recognition
par: Dai, Yusheng, et autres
Publié: (2024)
par: Dai, Yusheng, et autres
Publié: (2024)
A Fast and Lightweight Model for Causal Audio-Visual Speech Separation
par: Sang, Wendi, et autres
Publié: (2025)
par: Sang, Wendi, et autres
Publié: (2025)
Documents similaires
-
Efficient Audio-Visual Speech Separation with Discrete Lip Semantics and Multi-Scale Global-Local Attention
par: Li, Kai, et autres
Publié: (2025) -
RTFS-Net: Recurrent Time-Frequency Modelling for Efficient Audio-Visual Speech Separation
par: Pegg, Samuel, et autres
Publié: (2023) -
IIANet: An Intra- and Inter-Modality Attention Network for Audio-Visual Speech Separation
par: Li, Kai, et autres
Publié: (2023) -
Audio-Visual Speech Enhancement In Complex Scenarios With Separation And Dereverberation Joint Modeling
par: Du, Jiarong, et autres
Publié: (2025) -
Robust Audio-Visual Segmentation via Audio-Guided Visual Convergent Alignment
par: Liu, Chen, et autres
Publié: (2025)