Buchumschlag

Sound Event Bounding Boxes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ebbers, Janek, Germain, Francois G., Wichern, Gordon, Roux, Jonathan Le
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Audio and Speech Processing Sound
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging Audio-Only Data for Text-Queried Target Sound Extraction
von: Saijo, Kohei, et al.
Veröffentlicht: (2024)

Task-Aware Unified Source Separation
von: Saijo, Kohei, et al.
Veröffentlicht: (2024)

Local Density-Based Anomaly Score Normalization for Domain Generalization
von: Wilkinghoff, Kevin, et al.
Veröffentlicht: (2025)

Enhanced Reverberation as Supervision for Unsupervised Speech Separation
von: Saijo, Kohei, et al.
Veröffentlicht: (2024)

SMITIN: Self-Monitored Inference-Time INtervention for Generative Music Transformers
von: Koo, Junghyun, et al.
Veröffentlicht: (2024)

TF-Locoformer: Transformer with Local Modeling by Convolution for Speech Separation and Enhancement
von: Saijo, Kohei, et al.
Veröffentlicht: (2024)

Retrieval-Augmented Neural Field for HRTF Upsampling and Personalization
von: Masuyama, Yoshiki, et al.
Veröffentlicht: (2025)

HASRD: Hierarchical Acoustic and Semantic Representation Disentanglement
von: Hussein, Amir, et al.
Veröffentlicht: (2025)

Physics-Informed Direction-Aware Neural Acoustic Fields
von: Masuyama, Yoshiki, et al.
Veröffentlicht: (2025)

Velocity Potential Neural Field for Efficient Ambisonics Impulse Response Modeling
von: Masuyama, Yoshiki, et al.
Veröffentlicht: (2026)

Mind the Gap: Detecting Cluster Exits for Robust Local Density-Based Score Normalization in Anomalous Sound Detection
von: Wilkinghoff, Kevin, et al.
Veröffentlicht: (2026)

NIIRF: Neural IIR Filter Field for HRTF Upsampling and Personalization
von: Masuyama, Yoshiki, et al.
Veröffentlicht: (2024)

Improving Audio Captioning Models with Fine-grained Audio Features, Text Embedding Supervision, and LLM Mix-up Augmentation
von: Wu, Shih-Lun, et al.
Veröffentlicht: (2023)

FasTUSS: Faster Task-Aware Unified Source Separation
von: Paissan, Francesco, et al.
Veröffentlicht: (2025)

DCASE 2024 Task 4: Sound Event Detection with Heterogeneous Data and Missing Labels
von: Cornell, Samuele, et al.
Veröffentlicht: (2024)

FlexIO: Flexible Single- and Multi-Channel Speech Separation and Enhancement
von: Masuyama, Yoshiki, et al.
Veröffentlicht: (2025)

TS-SEP: Joint Diarization and Separation Conditioned on Estimated Speaker Embeddings
von: Boeddeker, Christoph, et al.
Veröffentlicht: (2023)

Direction-Aware Neural Acoustic Fields for Few-Shot Interpolation of Ambisonic Impulse Responses
von: Ick, Christopher, et al.
Veröffentlicht: (2025)

Data Augmentation Using Neural Acoustic Fields With Retrieval-Augmented Pre-training
von: Ick, Christopher, et al.
Veröffentlicht: (2025)

Why does music source separation benefit from cacophony?
von: Jeon, Chang-Bin, et al.
Veröffentlicht: (2024)

Self Training and Ensembling Frequency Dependent Networks with Coarse Prediction Pooling and Sound Event Bounding Boxes
von: Nam, Hyeonuk, et al.
Veröffentlicht: (2024)

The Sound Demixing Challenge 2023 $\unicode{x2013}$ Cinematic Demixing Track
von: Uhlich, Stefan, et al.
Veröffentlicht: (2023)

UWAV: Uncertainty-weighted Weakly-supervised Audio-Visual Video Parsing
von: Lai, Yung-Hsuan, et al.
Veröffentlicht: (2025)

Exploring Disentangled Neural Speech Codecs from Self-Supervised Representations
von: Aihara, Ryo, et al.
Veröffentlicht: (2025)

Handling Domain Shifts for Anomalous Sound Detection: A Review of DCASE-Related Work
von: Wilkinghoff, Kevin, et al.
Veröffentlicht: (2025)

SUNAC: Source-aware Unified Neural Audio Codec
von: Aihara, Ryo, et al.
Veröffentlicht: (2025)

Factorized RVQ-GAN For Disentangled Speech Tokenization
von: Khurana, Sameer, et al.
Veröffentlicht: (2025)

Improving Audio Spectrogram Transformers for Sound Event Detection Through Multi-Stage Training
von: Schmid, Florian, et al.
Veröffentlicht: (2024)

Joint Analysis of Acoustic Scenes and Sound Events Based on Semi-Supervised Training of Sound Events With Partial Labels
von: Imoto, Keisuke
Veröffentlicht: (2025)

AudioSpa: Spatializing Sound Events with Text
von: Feng, Linfeng, et al.
Veröffentlicht: (2025)

Frequency Dynamic Convolutions for Sound Event Detection
von: Nam, Hyeonuk
Veröffentlicht: (2025)

Noise-Robust Sound Event Detection and Counting via Language-Queried Sound Separation
von: Chen, Yuanjian, et al.
Veröffentlicht: (2025)

Zero- and Few-shot Sound Event Localization and Detection
von: Shimada, Kazuki, et al.
Veröffentlicht: (2023)

Towards Understanding of Frequency Dependence on Sound Event Detection
von: Nam, Hyeonuk, et al.
Veröffentlicht: (2025)

Sound Event Detection with Boundary-Aware Optimization and Inference
von: Schmid, Florian, et al.
Veröffentlicht: (2026)

JiTTER: Jigsaw Temporal Transformer for Event Reconstruction for Self-Supervised Sound Event Detection
von: Nam, Hyeonuk, et al.
Veröffentlicht: (2025)

Unsupervised Improved MVDR Beamforming for Sound Enhancement
von: Kealey, Jacob, et al.
Veröffentlicht: (2024)

Effective Pre-Training of Audio Transformers for Sound Event Detection
von: Schmid, Florian, et al.
Veröffentlicht: (2024)

Hierarchical Pooling Structure for Weakly Labeled Sound Event Detection
von: He, Ke-Xin, et al.
Veröffentlicht: (2019)

Ensemble Confidence Calibration for Sound Event Detection in Open-environment
von: Chen, Yuanjian, et al.
Veröffentlicht: (2025)