Buchumschlag

DiffSHEG: A Diffusion-Based Approach for Real-Time Speech-driven Holistic 3D Expression and Gesture Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Junming, Liu, Yunfei, Wang, Jianan, Zeng, Ailing, Li, Yu, Chen, Qifeng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Sound Artificial Intelligence Computer Vision and Pattern Recognition Graphics Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DIDiffGes: Decoupled Semi-Implicit Diffusion Models for Real-time Gesture Generation from Speech
von: Cheng, Yongkang, et al.
Veröffentlicht: (2025)

NAT: Neural Acoustic Transfer for Interactive Scenes in Real Time
von: Jin, Xutong, et al.
Veröffentlicht: (2025)

Semantic Gesticulator: Semantics-Aware Co-Speech Gesture Synthesis
von: Zhang, Zeyi, et al.
Veröffentlicht: (2024)

Beat-It: Beat-Synchronized Multi-Condition 3D Dance Generation
von: Huang, Zikai, et al.
Veröffentlicht: (2024)

READ: Real-time and Efficient Asynchronous Diffusion for Audio-driven Talking Head Generation
von: Wang, Haotian, et al.
Veröffentlicht: (2025)

Combining Genre Classification and Harmonic-Percussive Features with Diffusion Models for Music-Video Generation
von: Pina, Leonardo, et al.
Veröffentlicht: (2024)

ELGAR: Expressive Cello Performance Motion Generation for Audio Rendition
von: Qiu, Zhiping, et al.
Veröffentlicht: (2025)

Listen and Move: Improving GANs Coherency in Agnostic Sound-to-Video Generation
von: Redondo, Rafael
Veröffentlicht: (2024)

DGFM: Full Body Dance Generation Driven by Music Foundation Models
von: Liu, Xinran, et al.
Veröffentlicht: (2025)

SyncViolinist: Music-Oriented Violin Motion Generation Based on Bowing and Fingering
von: Nishizawa, Hiroki, et al.
Veröffentlicht: (2024)

MATHDance: Mamba-Transformer Architecture with Uniform Tokenization for High-Quality 3D Dance Generation
von: Yang, Kaixing, et al.
Veröffentlicht: (2025)

MotionRAG-Diff: A Retrieval-Augmented Diffusion Framework for Long-Term Music-to-Dance Generation
von: Huang, Mingyang, et al.
Veröffentlicht: (2025)

RAP: Real-time Audio-driven Portrait Animation with Video Diffusion Transformer
von: Du, Fangyu, et al.
Veröffentlicht: (2025)

Text-Driven Voice Conversion via Latent State-Space Modeling
von: Li, Wen, et al.
Veröffentlicht: (2025)

Content and Style Aware Audio-Driven Facial Animation
von: Liu, Qingju, et al.
Veröffentlicht: (2024)

EnchantDance: Unveiling the Potential of Music-Driven Dance Movement
von: Han, Bo, et al.
Veröffentlicht: (2023)

SpA2V: Harnessing Spatial Auditory Cues for Audio-driven Spatially-aware Video Generation
von: Pham, Kien T., et al.
Veröffentlicht: (2025)

MusicScore: A Dataset for Music Score Modeling and Generation
von: Lin, Yuheng, et al.
Veröffentlicht: (2024)

DanceAnyWay: Synthesizing Beat-Guided 3D Dances with Randomized Temporal Contrastive Learning
von: Bhattacharya, Aneesh, et al.
Veröffentlicht: (2023)

DiM-Gestor: Co-Speech Gesture Generation with Adaptive Layer Normalization Mamba-2
von: Zhang, Fan, et al.
Veröffentlicht: (2024)

It Takes Two: Real-time Co-Speech Two-person's Interaction Generation via Reactive Auto-regressive Diffusion Model
von: Shi, Mingyi, 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)

LLM Gesticulator: Leveraging Large Language Models for Scalable and Controllable Co-Speech Gesture Synthesis
von: Pang, Haozhou, et al.
Veröffentlicht: (2024)

Speech-driven Personalized Gesture Synthetics: Harnessing Automatic Fuzzy Feature Inference
von: Zhang, Fan, et al.
Veröffentlicht: (2024)

Meta-Learning Empowered Meta-Face: Personalized Speaking Style Adaptation for Audio-Driven 3D Talking Face Animation
von: Zhou, Xukun, et al.
Veröffentlicht: (2024)

Audio is all in one: speech-driven gesture synthetics using WavLM pre-trained model
von: Zhang, Fan, et al.
Veröffentlicht: (2023)

DiffDSR: Dysarthric Speech Reconstruction Using Latent Diffusion Model
von: Chen, Xueyuan, et al.
Veröffentlicht: (2025)

Audio-Plane: Audio Factorization Plane Gaussian Splatting for Real-Time Talking Head Synthesis
von: Shen, Shuai, et al.
Veröffentlicht: (2025)

Text-driven Talking Face Synthesis by Reprogramming Audio-driven Models
von: Choi, Jeongsoo, et al.
Veröffentlicht: (2023)

Inter-Diffusion Generation Model of Speakers and Listeners for Effective Communication
von: Huang, Jinhe, et al.
Veröffentlicht: (2025)

A Comprehensive Multi-scale Approach for Speech and Dynamics Synchrony in Talking Head Generation
von: Airale, Louis, et al.
Veröffentlicht: (2023)

MIDGET: Music Conditioned 3D Dance Generation
von: Wang, Jinwu, et al.
Veröffentlicht: (2024)

Lodge: A Coarse to Fine Diffusion Network for Long Dance Generation Guided by the Characteristic Dance Primitives
von: Li, Ronghui, et al.
Veröffentlicht: (2024)

FürElise: Capturing and Physically Synthesizing Hand Motions of Piano Performance
von: Wang, Ruocheng, et al.
Veröffentlicht: (2024)

Gaunt coefficients for complex and real spherical harmonics with applications to spherical array processing and Ambisonics
von: Politis, Archontis
Veröffentlicht: (2024)

LAV: Audio-Driven Dynamic Visual Generation with Neural Compression and StyleGAN2
von: Jung, Jongmin, et al.
Veröffentlicht: (2025)

GCDance: Genre-Controlled Music-Driven 3D Full Body Dance Generation
von: Liu, Xinran, et al.
Veröffentlicht: (2025)

PointTalk: Audio-Driven Dynamic Lip Point Cloud for 3D Gaussian-based Talking Head Synthesis
von: Xie, Yifan, et al.
Veröffentlicht: (2024)

Audio2Face-3D: Audio-driven Realistic Facial Animation For Digital Avatars
von: NVIDIA, et al.
Veröffentlicht: (2025)

Diff-ETS: Learning a Diffusion Probabilistic Model for Electromyography-to-Speech Conversion
von: Ren, Zhao, et al.
Veröffentlicht: (2024)