Copertina

Synchformer: Efficient Synchronization from Sparse Cues

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Iashin, Vladimir, Xie, Weidi, Rahtu, Esa, Zisserman, Andrew
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Machine Learning Multimedia Sound Audio and Speech Processing
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Temporally Aligned Audio for Video with Autoregression
di: Viertola, Ilpo, et al.
Pubblicazione: (2024)

The Sound of Water: Inferring Physical Properties from Pouring Liquids
di: Bagad, Piyush, et al.
Pubblicazione: (2024)

Auto-ACD: A Large-scale Dataset for Audio-Language Representation Learning
di: Sun, Luoyi, et al.
Pubblicazione: (2023)

FolAI: Synchronized Foley Sound Generation with Semantic and Temporal Alignment
di: Gramaccioni, Riccardo Fosco, et al.
Pubblicazione: (2024)

Images that Sound: Composing Images and Sounds on a Single Canvas
di: Chen, Ziyang, et al.
Pubblicazione: (2024)

M&M: Multimodal-Multitask Model Integrating Audiovisual Cues in Cognitive Load Assessment
di: Nguyen-Phuoc, Long, et al.
Pubblicazione: (2024)

Self-Supervised Audio-Visual Soundscape Stylization
di: Li, Tingle, et al.
Pubblicazione: (2024)

Mechanisms of Multimodal Synchronization: Insights from Decoder-Based Video-Text-to-Speech Synthesis
di: Gupta, Akshita, et al.
Pubblicazione: (2024)

EgoSonics: Generating Synchronized Audio for Silent Egocentric Videos
di: Rai, Aashish, et al.
Pubblicazione: (2024)

Text-to-Audio Generation Synchronized with Videos
di: Mo, Shentong, et al.
Pubblicazione: (2024)

MoMuSE: Momentum Multi-modal Target Speaker Extraction for Real-time Scenarios with Impaired Visual Cues
di: Li, Junjie, et al.
Pubblicazione: (2024)

MuVi: Video-to-Music Generation with Semantic Alignment and Rhythmic Synchronization
di: Li, Ruiqi, et al.
Pubblicazione: (2024)

Unified Video-Language Pre-training with Synchronized Audio
di: Mo, Shentong, et al.
Pubblicazione: (2024)

StereoSync: Spatially-Aware Stereo Audio Generation from Video
di: Marinoni, Christian, et al.
Pubblicazione: (2025)

AudioGen-Omni: A Unified Multimodal Diffusion Transformer for Video-Synchronized Audio, Speech, and Song Generation
di: Wang, Le, et al.
Pubblicazione: (2025)

AudioX: A Unified Framework for Anything-to-Audio Generation
di: Tian, Zeyue, et al.
Pubblicazione: (2025)

AC-Foley: Reference-Audio-Guided Video-to-Audio Synthesis with Acoustic Transfer
di: Fang, Pengjun, et al.
Pubblicazione: (2026)

MMDisCo: Multi-Modal Discriminator-Guided Cooperative Diffusion for Joint Audio and Video Generation
di: Hayakawa, Akio, et al.
Pubblicazione: (2024)

Prompting Segmentation with Sound Is Generalizable Audio-Visual Source Localizer
di: Wang, Yaoting, et al.
Pubblicazione: (2023)

Listen2Scene: Interactive material-aware binaural sound propagation for reconstructed 3D scenes
di: Ratnarajah, Anton, et al.
Pubblicazione: (2023)

Continual Audio-Visual Sound Separation
di: Pian, Weiguo, et al.
Pubblicazione: (2024)

Improving Multimodal Learning with Multi-Loss Gradient Modulation
di: Kontras, Konstantinos, et al.
Pubblicazione: (2024)

AMuSE: Adaptive Multimodal Analysis for Speaker Emotion Recognition in Group Conversations
di: Devulapally, Naresh Kumar, et al.
Pubblicazione: (2024)

Dual Mean-Teacher: An Unbiased Semi-Supervised Framework for Audio-Visual Source Localization
di: Guo, Yuxin, et al.
Pubblicazione: (2024)

Collaborative Hybrid Propagator for Temporal Misalignment in Audio-Visual Segmentation
di: Li, Kexin, et al.
Pubblicazione: (2024)

CMMD: Contrastive Multi-Modal Diffusion for Video-Audio Conditional Modeling
di: Yang, Ruihan, et al.
Pubblicazione: (2023)

From Vision to Audio and Beyond: A Unified Model for Audio-Visual Representation and Generation
di: Su, Kun, et al.
Pubblicazione: (2024)

Audio-visual Generalized Zero-shot Learning the Easy Way
di: Mo, Shentong, et al.
Pubblicazione: (2024)

A Versatile Diffusion Transformer with Mixture of Noise Levels for Audiovisual Generation
di: Kim, Gwanghyun, et al.
Pubblicazione: (2024)

Zero-Shot Audio-Visual Editing via Cross-Modal Delta Denoising
di: Lin, Yan-Bo, et al.
Pubblicazione: (2025)

Multi-scale Multi-instance Visual Sound Localization and Segmentation
di: Mo, Shentong, et al.
Pubblicazione: (2024)

Hear What Matters! Text-conditioned Selective Video-to-Audio Generation
di: Lee, Junwon, et al.
Pubblicazione: (2025)

PF-D2M: A Pose-free Diffusion Model for Universal Dance-to-Music Generation
di: Im, Jaekwon, et al.
Pubblicazione: (2026)

Looking Similar, Sounding Different: Leveraging Counterfactual Cross-Modal Pairs for Audiovisual Representation Learning
di: Singh, Nikhil, et al.
Pubblicazione: (2023)

Video-Foley: Two-Stage Video-To-Sound Generation via Temporal Event Condition For Foley Sound
di: Lee, Junwon, et al.
Pubblicazione: (2024)

A Study of Dropout-Induced Modality Bias on Robustness to Missing Video Frames for Audio-Visual Speech Recognition
di: Dai, Yusheng, et al.
Pubblicazione: (2024)

FairSSD: Understanding Bias in Synthetic Speech Detectors
di: Yadav, Amit Kumar Singh, et al.
Pubblicazione: (2024)

MuteSwap: Visual-informed Silent Video Identity Conversion
di: Liu, Yifan, et al.
Pubblicazione: (2025)

Sounding that Object: Interactive Object-Aware Image to Audio Generation
di: Li, Tingle, et al.
Pubblicazione: (2025)

Audio-Visual Instance Segmentation
di: Guo, Ruohao, et al.
Pubblicazione: (2023)