Urban Sound Propagation: a Benchmark for 1-Step Generative Modeling of Complex Physical Systems
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Spitznagel, Martin, Keuper, Janis |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
DeepSound-V1: Start to Think Step-by-Step in the Audio Generation from Videos
par: Liang, Yunming, et autres
Publié: (2025)
par: Liang, Yunming, et autres
Publié: (2025)
ThinkSound: Chain-of-Thought Reasoning in Multimodal Large Language Models for Audio Generation and Editing
par: Liu, Huadai, et autres
Publié: (2025)
par: Liu, Huadai, et autres
Publié: (2025)
How Would It Sound? Material-Controlled Multimodal Acoustic Profile Generation for Indoor Scenes
par: Saad, Mahnoor Fatima, et autres
Publié: (2025)
par: Saad, Mahnoor Fatima, et autres
Publié: (2025)
Enhance Generation Quality of Flow Matching V2A Model via Multi-Step CoT-Like Guidance and Combined Preference Optimization
par: Zhang, Haomin, et autres
Publié: (2025)
par: Zhang, Haomin, et autres
Publié: (2025)
MDSGen: Fast and Efficient Masked Diffusion Temporal-Aware Transformers for Open-Domain Sound Generation
par: Pham, Trung X., et autres
Publié: (2024)
par: Pham, Trung X., et autres
Publié: (2024)
Seeing Sound: Assembling Sounds from Visuals for Audio-to-Image Generation
par: Petermann, Darius, et autres
Publié: (2025)
par: Petermann, Darius, et autres
Publié: (2025)
A Critical Assessment of Visual Sound Source Localization Models Including Negative Audio
par: Juanola, Xavier, et autres
Publié: (2024)
par: Juanola, Xavier, et autres
Publié: (2024)
Segmenting Collision Sound Sources in Egocentric Videos
par: Parida, Kranti Kumar, et autres
Publié: (2025)
par: Parida, Kranti Kumar, et autres
Publié: (2025)
Towards Video to Piano Music Generation with Chain-of-Perform Support Benchmarks
par: Liu, Chang, et autres
Publié: (2025)
par: Liu, Chang, et autres
Publié: (2025)
YingSound: Video-Guided Sound Effects Generation with Multi-modal Chain-of-Thought Controls
par: Chen, Zihao, et autres
Publié: (2024)
par: Chen, Zihao, et autres
Publié: (2024)
Multi-View Spectrogram Transformer for Respiratory Sound Classification
par: He, Wentao, et autres
Publié: (2023)
par: He, Wentao, et autres
Publié: (2023)
T-VSL: Text-Guided Visual Sound Source Localization in Mixtures
par: Mahmud, Tanvir, et autres
Publié: (2024)
par: Mahmud, Tanvir, et autres
Publié: (2024)
Audio-Visual Talker Localization in Video for Spatial Sound Reproduction
par: Berghi, Davide, et autres
Publié: (2024)
par: Berghi, Davide, et autres
Publié: (2024)
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)
Video-Guided Foley Sound Generation with Multimodal Controls
par: Chen, Ziyang, et autres
Publié: (2024)
par: Chen, Ziyang, et autres
Publié: (2024)
The Sound of Water: Inferring Physical Properties from Pouring Liquids
par: Bagad, Piyush, et autres
Publié: (2024)
par: Bagad, Piyush, et autres
Publié: (2024)
FoleyCrafter: Bring Silent Videos to Life with Lifelike and Synchronized Sounds
par: Zhang, Yiming, et autres
Publié: (2024)
par: Zhang, Yiming, et autres
Publié: (2024)
SoundWeaver: Semantic Warm-Starting for Text-to-Audio Diffusion Serving
par: Barik, Ayush, et autres
Publié: (2026)
par: Barik, Ayush, et autres
Publié: (2026)
High-Quality Visually-Guided Sound Separation from Diverse Categories
par: Huang, Chao, et autres
Publié: (2023)
par: Huang, Chao, et autres
Publié: (2023)
SoundCam: A Dataset for Finding Humans Using Room Acoustics
par: Wang, Mason, et autres
Publié: (2023)
par: Wang, Mason, et autres
Publié: (2023)
ECHO: Environmental Sound Classification with Hierarchical Ontology-guided Semi-Supervised Learning
par: Gupta, Pranav, et autres
Publié: (2024)
par: Gupta, Pranav, et autres
Publié: (2024)
Read, Watch and Scream! Sound Generation from Text and Video
par: Jeong, Yujin, et autres
Publié: (2024)
par: Jeong, Yujin, et autres
Publié: (2024)
Hearing and Seeing Through CLIP: A Framework for Self-Supervised Sound Source Localization
par: Park, Sooyoung, et autres
Publié: (2025)
par: Park, Sooyoung, et autres
Publié: (2025)
Gotta Hear Them All: Towards Sound Source Aware Audio Generation
par: Guo, Wei, et autres
Publié: (2024)
par: Guo, Wei, et autres
Publié: (2024)
Bidirectional Autoregressive Diffusion Model for Dance Generation
par: Zhang, Canyu, et autres
Publié: (2024)
par: Zhang, Canyu, et autres
Publié: (2024)
SoundingActions: Learning How Actions Sound from Narrated Egocentric Videos
par: Chen, Changan, et autres
Publié: (2024)
par: Chen, Changan, et autres
Publié: (2024)
Aligning Sight and Sound: Advanced Sound Source Localization Through Audio-Visual Alignment
par: Senocak, Arda, et autres
Publié: (2024)
par: Senocak, Arda, et autres
Publié: (2024)
Measuring Sound Symbolism in Audio-visual Models
par: Tseng, Wei-Cheng, et autres
Publié: (2024)
par: Tseng, Wei-Cheng, et autres
Publié: (2024)
Sound2Vision: Generating Diverse Visuals from Audio through Cross-Modal Latent Alignment
par: Sung-Bin, Kim, et autres
Publié: (2024)
par: Sung-Bin, Kim, et autres
Publié: (2024)
EmoTalker: Emotionally Editable Talking Face Generation via Diffusion Model
par: Zhang, Bingyuan, et autres
Publié: (2024)
par: Zhang, Bingyuan, et autres
Publié: (2024)
Enhancing Dance-to-Music Generation via Negative Conditioning Latent Diffusion Model
par: Sun, Changchang, et autres
Publié: (2025)
par: Sun, Changchang, et autres
Publié: (2025)
SoundLoc3D: Invisible 3D Sound Source Localization and Classification Using a Multimodal RGB-D Acoustic Camera
par: He, Yuhang, et autres
Publié: (2024)
par: He, Yuhang, et autres
Publié: (2024)
Action2Sound: Ambient-Aware Generation of Action Sounds from Egocentric Videos
par: Chen, Changan, et autres
Publié: (2024)
par: Chen, Changan, et autres
Publié: (2024)
Generative Audio Language Modeling with Continuous-valued Tokens and Masked Next-Token Prediction
par: Yang, Shu-wen, et autres
Publié: (2025)
par: Yang, Shu-wen, et autres
Publié: (2025)
ExpGest: Expressive Speaker Generation Using Diffusion Model and Hybrid Audio-Text Guidance
par: Cheng, Yongkang, et autres
Publié: (2024)
par: Cheng, Yongkang, et autres
Publié: (2024)
DeepAudio-V1:Towards Multi-Modal Multi-Stage End-to-End Video to Speech and Audio Generation
par: Zhang, Haomin, et autres
Publié: (2025)
par: Zhang, Haomin, et autres
Publié: (2025)
Learning Self-Supervised Audio-Visual Representations for Sound Recommendations
par: Krishnamurthy, Sudha
Publié: (2024)
par: Krishnamurthy, Sudha
Publié: (2024)
SoundBrush: Sound as a Brush for Visual Scene Editing
par: Sung-Bin, Kim, et autres
Publié: (2024)
par: Sung-Bin, Kim, et autres
Publié: (2024)
UniCUE: Unified Recognition and Generation Framework for Chinese Cued Speech Video-to-Speech Generation
par: Wang, Jinting, et autres
Publié: (2025)
par: Wang, Jinting, et autres
Publié: (2025)
OmniSep: Unified Omni-Modality Sound Separation with Query-Mixup
par: Cheng, Xize, et autres
Publié: (2024)
par: Cheng, Xize, et autres
Publié: (2024)
Documents similaires
-
DeepSound-V1: Start to Think Step-by-Step in the Audio Generation from Videos
par: Liang, Yunming, et autres
Publié: (2025) -
ThinkSound: Chain-of-Thought Reasoning in Multimodal Large Language Models for Audio Generation and Editing
par: Liu, Huadai, et autres
Publié: (2025) -
How Would It Sound? Material-Controlled Multimodal Acoustic Profile Generation for Indoor Scenes
par: Saad, Mahnoor Fatima, et autres
Publié: (2025) -
Enhance Generation Quality of Flow Matching V2A Model via Multi-Step CoT-Like Guidance and Combined Preference Optimization
par: Zhang, Haomin, et autres
Publié: (2025) -
MDSGen: Fast and Efficient Masked Diffusion Temporal-Aware Transformers for Open-Domain Sound Generation
par: Pham, Trung X., et autres
Publié: (2024)