Copertina

Fuse after Align: Improving Face-Voice Association Learning via Multimodal Encoder

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Peng, Chong, He, Liqiang, Su, Dan
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Dual Associated Encoder for Face Restoration
di: Tsai, Yu-Ju, et al.
Pubblicazione: (2023)

Improving OOD Generalization of Pre-trained Encoders via Aligned Embedding-Space Ensembles
di: Peng, Shuman, et al.
Pubblicazione: (2024)

XM-ALIGN: Unified Cross-Modal Embedding Alignment for Face-Voice Association
di: Fang, Zhihua, et al.
Pubblicazione: (2025)

RFOP: Rethinking Fusion and Orthogonal Projection for Face-Voice Association
di: Hannan, Abdul, et al.
Pubblicazione: (2025)

Face-Voice Association with Inductive Bias for Maximum Class Separation
di: Moscati, Marta, et al.
Pubblicazione: (2026)

AlignTok: Aligning Visual Foundation Encoders to Tokenizers for Diffusion Models
di: Chen, Bowei, et al.
Pubblicazione: (2025)

Social-MAE: A Transformer-Based Multimodal Autoencoder for Face and Voice
di: Bohy, Hugo, et al.
Pubblicazione: (2025)

Aligning First, Then Fusing: A Novel Weakly Supervised Multimodal Violence Detection Method
di: Jin, Wenping, et al.
Pubblicazione: (2025)

OneVision-Encoder: Codec-Aligned Sparsity as a Foundational Principle for Multimodal Intelligence
di: Tang, Feilong, et al.
Pubblicazione: (2026)

Shared Multi-modal Embedding Space for Face-Voice Association
di: Simic, Christopher, et al.
Pubblicazione: (2025)

Categorical Knowledge Fused Recognition: Fusing Hierarchical Knowledge with Image Classification through Aligning and Deep Metric Learning
di: Zhao, Yunfeng, et al.
Pubblicazione: (2024)

AliFuse: Aligning and Fusing Multi-modal Medical Data for Computer-Aided Diagnosis
di: Chen, Qiuhui, et al.
Pubblicazione: (2024)

CogVLA: Cognition-Aligned Vision-Language-Action Model via Instruction-Driven Routing & Sparsification
di: Li, Wei, et al.
Pubblicazione: (2025)

MED-VT++: Unifying Multimodal Learning with a Multiscale Encoder-Decoder Video Transformer
di: Karim, Rezaul, et al.
Pubblicazione: (2023)

Towards Improved Proxy-based Deep Metric Learning via Data-Augmented Domain Adaptation
di: Ren, Li, et al.
Pubblicazione: (2024)

A Shared Encoder Approach to Multimodal Representation Learning
di: Roy, Shuvendu, et al.
Pubblicazione: (2025)

FGAIF: Aligning Large Vision-Language Models with Fine-grained AI Feedback
di: Jing, Liqiang, et al.
Pubblicazione: (2024)

Improving Multimodal Learning via Imbalanced Learning
di: Wei, Shicai, et al.
Pubblicazione: (2025)

Imperceptible Face Forgery Attack via Adversarial Semantic Mask
di: Liu, Decheng, et al.
Pubblicazione: (2024)

Exploring Robust Face-Voice Matching in Multilingual Environments
di: Tang, Jiehui, et al.
Pubblicazione: (2024)

Heeding the Inner Voice: Aligning ControlNet Training via Intermediate Features Feedback
di: Konovalova, Nina, et al.
Pubblicazione: (2025)

PAEFF: Precise Alignment and Enhanced Gated Feature Fusion for Face-Voice Association
di: Hannan, Abdul, et al.
Pubblicazione: (2025)

Align-cDAE: Alzheimer's Disease Progression Modeling with Attention-Aligned Conditional Diffusion Auto-Encoder
di: Das, Ayantika, et al.
Pubblicazione: (2026)

Unified Multimodal Models as Auto-Encoders
di: Yan, Zhiyuan, et al.
Pubblicazione: (2025)

VLForgery Face Triad: Detection, Localization and Attribution via Multimodal Large Language Models
di: He, Xinan, et al.
Pubblicazione: (2025)

MagiC: Evaluating Multimodal Cognition Toward Grounded Visual Reasoning
di: Wu, Chengfei, et al.
Pubblicazione: (2025)

Improve Contrastive Clustering Performance by Multiple Fusing-Augmenting ViT Blocks
di: Wang, Cheng, et al.
Pubblicazione: (2025)

Robust Multimodal Survival Prediction with the Latent Differentiation Conditional Variational AutoEncoder
di: Zhou, Junjie, et al.
Pubblicazione: (2025)

DecoFuse: Decomposing and Fusing the "What", "Where", and "How" for Brain-Inspired fMRI-to-Video Decoding
di: Li, Chong, et al.
Pubblicazione: (2025)

Learning to Fuse: Modality-Aware Adaptive Scheduling for Robust Multimodal Foundation Models
di: Bennett, Liam, et al.
Pubblicazione: (2025)

FaceXBench: Evaluating Multimodal LLMs on Face Understanding
di: Narayan, Kartik, et al.
Pubblicazione: (2025)

Leveraging CLIP Encoder for Multimodal Emotion Recognition
di: Song, Yehun, et al.
Pubblicazione: (2025)

SafeText: Safe Text-to-image Models via Aligning the Text Encoder
di: Hu, Yuepeng, et al.
Pubblicazione: (2025)

AlignMiF: Geometry-Aligned Multimodal Implicit Field for LiDAR-Camera Joint Synthesis
di: Tang, Tao, et al.
Pubblicazione: (2024)

Beyond the Encoder: Joint Encoder-Decoder Contrastive Pre-Training Improves Dense Prediction
di: Quetin, Sébastien, et al.
Pubblicazione: (2025)

Counterfactual Explanations for Face Forgery Detection via Adversarial Removal of Artifacts
di: Li, Yang, et al.
Pubblicazione: (2024)

MaeFuse: Transferring Omni Features with Pretrained Masked Autoencoders for Infrared and Visible Image Fusion via Guided Training
di: Li, Jiayang, et al.
Pubblicazione: (2024)

Project-and-Fuse: Improving RGB-D Semantic Segmentation via Graph Convolution Networks
di: Jiang, Xiaoyan, et al.
Pubblicazione: (2025)

OpenVision 2: A Family of Generative Pretrained Visual Encoders for Multimodal Learning
di: Liu, Yanqing, et al.
Pubblicazione: (2025)

3D Face Reconstruction Using A Spectral-Based Graph Convolution Encoder
di: Xu, Haoxin, et al.
Pubblicazione: (2024)