Copertina

AudioScenic: Audio-Driven Video Scene Editing

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Shen, Kaixin, Quan, Ruijie, Zhu, Linchao, Xiao, Jun, Yang, Yi
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

CLIP4STR: A Simple Baseline for Scene Text Recognition with Pre-trained Vision-Language Model
di: Zhao, Shuai, et al.
Pubblicazione: (2023)

TarPro: Targeted Protection against Malicious Image Editing
di: Shen, Kaixin, et al.
Pubblicazione: (2025)

VideoGrain: Modulating Space-Time Attention for Multi-grained Video Editing
di: Yang, Xiangpeng, et al.
Pubblicazione: (2025)

EVA: Zero-shot Accurate Attributes and Multi-Object Video Editing
di: Yang, Xiangpeng, et al.
Pubblicazione: (2024)

JoyGen: Audio-Driven 3D Depth-Aware Talking-Face Video Editing
di: Wang, Qili, et al.
Pubblicazione: (2025)

UniGeo: Unifying Geometric Guidance for Camera-Controllable Image Editing via Video Models
di: Jiang, Hong, et al.
Pubblicazione: (2026)

InstructAV2AV: Instruction-Guided Audio-Video Joint Editing
di: Zheng, Haojie, et al.
Pubblicazione: (2026)

DGL: Dynamic Global-Local Prompt Tuning for Text-Video Retrieval
di: Yang, Xiangpeng, et al.
Pubblicazione: (2024)

GPD: Guided Progressive Distillation for Fast and High-Quality Video Generation
di: Liang, Xiao, et al.
Pubblicazione: (2026)

Wan-S2V: Audio-Driven Cinematic Video Generation
di: Gao, Xin, et al.
Pubblicazione: (2025)

Insert Anything: Image Insertion via In-Context Editing in DiT
di: Song, Wensong, et al.
Pubblicazione: (2025)

FreeLong: Training-Free Long Video Generation with SpectralBlend Temporal Attention
di: Lu, Yu, et al.
Pubblicazione: (2024)

Video Editing for Audio-Visual Dubbing
di: Manela, Binyamin, et al.
Pubblicazione: (2025)

AVI-Edit: Audio-sync Video Instance Editing with Granularity-Aware Mask Refiner
di: Zheng, Haojie, et al.
Pubblicazione: (2025)

Shape2Scene: 3D Scene Representation Learning Through Pre-training on Shape Data
di: Feng, Tuo, et al.
Pubblicazione: (2024)

SonicDiffusion: Audio-Driven Image Generation and Editing with Pretrained Diffusion Models
di: Biner, Burak Can, et al.
Pubblicazione: (2024)

EasyGenNet: An Efficient Framework for Audio-Driven Gesture Video Generation Based on Diffusion Model
di: Li, Renda, et al.
Pubblicazione: (2025)

Audio-Infused Automatic Image Colorization by Exploiting Audio Scene Semantics
di: Zhao, Pengcheng, et al.
Pubblicazione: (2024)

SayAnything: Audio-Driven Lip Synchronization with Conditional Video Diffusion
di: Ma, Junxian, et al.
Pubblicazione: (2025)

SkyReels-V4: Multi-modal Video-Audio Generation, Inpainting and Editing model
di: Chen, Guibin, et al.
Pubblicazione: (2026)

Audio-Visual Camera Pose Estimation with Passive Scene Sounds and In-the-Wild Video
di: Adebi, Daniel, et al.
Pubblicazione: (2025)

MC-Bench: A Benchmark for Multi-Context Visual Grounding in the Era of MLLMs
di: Xu, Yunqiu, et al.
Pubblicazione: (2024)

AV-Unified: A Unified Framework for Audio-visual Scene Understanding
di: Li, Guangyao, et al.
Pubblicazione: (2026)

MUG: Pseudo Labeling Augmented Audio-Visual Mamba Network for Audio-Visual Video Parsing
di: Wang, Langyu, et al.
Pubblicazione: (2025)

HunyuanVideo-Avatar: High-Fidelity Audio-Driven Human Animation for Multiple Characters
di: Chen, Yi, et al.
Pubblicazione: (2025)

Hear the Scene: Audio-Enhanced Text Spotting
di: Li, Jing, et al.
Pubblicazione: (2024)

Audio-Driven Talking Face Video Generation with Joint Uncertainty Learning
di: Xie, Yifan, et al.
Pubblicazione: (2025)

StableAvatar: Infinite-Length Audio-Driven Avatar Video Generation
di: Tu, Shuyuan, et al.
Pubblicazione: (2025)

Audio-driven High-resolution Seamless Talking Head Video Editing via StyleGAN
di: Su, Jiacheng, et al.
Pubblicazione: (2024)

Sound Sparks Motion: Audio and Text Tuning for Video Editing
di: Razlighi, AmirHossein Naghi, et al.
Pubblicazione: (2026)

Exploiting Temporal Audio-Visual Correlation Embedding for Audio-Driven One-Shot Talking Head Animation
di: Xu, Zhihua, et al.
Pubblicazione: (2025)

Let Them Talk: Audio-Driven Multi-Person Conversational Video Generation
di: Kong, Zhe, et al.
Pubblicazione: (2025)

GMTalker: Gaussian Mixture-based Audio-Driven Emotional Talking Video Portraits
di: Xia, Yibo, et al.
Pubblicazione: (2023)

EMO2: End-Effector Guided Audio-Driven Avatar Video Generation
di: Tian, Linrui, et al.
Pubblicazione: (2025)

FlexSelect: Flexible Token Selection for Efficient Long Video Understanding
di: Zhang, Yunzhu, et al.
Pubblicazione: (2025)

LINK: Adaptive Modality Interaction for Audio-Visual Video Parsing
di: Wang, Langyu, et al.
Pubblicazione: (2024)

Audio-Guided Visual Editing with Complex Multi-Modal Prompts
di: Kim, Hyeonyu, et al.
Pubblicazione: (2025)

RASA: Replace Anyone, Say Anything -- A Training-Free Framework for Audio-Driven and Universal Portrait Video Editing
di: Pan, Tianrui, et al.
Pubblicazione: (2025)

AV-DiT: Efficient Audio-Visual Diffusion Transformer for Joint Audio and Video Generation
di: Wang, Kai, et al.
Pubblicazione: (2024)

SkyReels-Audio: Omni Audio-Conditioned Talking Portraits in Video Diffusion Transformers
di: Fei, Zhengcong, et al.
Pubblicazione: (2025)