:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nguyen, Khanh-Binh, Park, Chae Jung
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Sound Audio and Speech Processing
Online-Zugang:	https://arxiv.org/abs/2407.02004
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Audio-Visual Segmentation via Unlabeled Frame Exploitation
von: Liu, Jinxiang, et al.
Veröffentlicht: (2024)

Cooperation Does Matter: Exploring Multi-Order Bilateral Relations for Audio-Visual Segmentation
von: Yang, Qi, et al.
Veröffentlicht: (2023)

Bootstrapping Audio-Visual Segmentation by Strengthening Audio Cues
von: Chen, Tianxiang, et al.
Veröffentlicht: (2024)

Audit After Segmentation: Reference-Free Mask Quality Assessment for Language-Referred Audio-Visual Segmentation
von: Zhou, Jinxing, et al.
Veröffentlicht: (2026)

Dynamic Derivation and Elimination: Audio Visual Segmentation with Enhanced Audio Semantics
von: Liu, Chen, et al.
Veröffentlicht: (2025)

Segment Beyond View: Handling Partially Missing Modality for Audio-Visual Semantic Segmentation
von: Wu, Renjie, et al.
Veröffentlicht: (2023)

DDAVS: Disentangled Audio Semantics and Delayed Bidirectional Alignment for Audio-Visual Segmentation
von: Tian, Jingqi, et al.
Veröffentlicht: (2025)

VGGSounder: Audio-Visual Evaluations for Foundation Models
von: Zverev, Daniil, et al.
Veröffentlicht: (2025)

3D Audio-Visual Segmentation
von: Sokolov, Artem, et al.
Veröffentlicht: (2024)

Seeing Soundscapes: Audio-Visual Generation and Separation from Soundscapes Using Audio-Visual Separator
von: Kang, Minjae, et al.
Veröffentlicht: (2025)

Object-AVEdit: An Object-level Audio-Visual Editing Model
von: Fu, Youquan, et al.
Veröffentlicht: (2025)

Enriching Multimodal Sentiment Analysis through Textual Emotional Descriptions of Visual-Audio Content
von: Wu, Sheng, et al.
Veröffentlicht: (2024)

Unified Cross-modal Translation of Score Images, Symbolic Music, and Performance Audio
von: Jung, Jongmin, et al.
Veröffentlicht: (2025)

Automated Classification of Phonetic Segments in Child Speech Using Raw Ultrasound Imaging
von: Ani, Saja Al, et al.
Veröffentlicht: (2024)

GIRAFE: Glottal Imaging Dataset for Advanced Segmentation, Analysis, and Facilitative Playbacks Evaluation
von: Andrade-Miranda, G., et al.
Veröffentlicht: (2024)

Sounding Highlights: Dual-Pathway Audio Encoders for Audio-Visual Video Highlight Detection
von: Joo, Seohyun, et al.
Veröffentlicht: (2026)

Enhancing Lie Detection Accuracy: A Comparative Study of Classic ML, CNN, and GCN Models using Audio-Visual Features
von: Abdelwahab, Abdelrahman, et al.
Veröffentlicht: (2024)

SAV-SE: Scene-aware Audio-Visual Speech Enhancement with Selective State Space Model
von: Qian, Xinyuan, et al.
Veröffentlicht: (2024)

MAVERIX: Multimodal Audio-Visual Evaluation and Recognition IndeX
von: Xie, Liuyue, et al.
Veröffentlicht: (2025)

Contextual Cross-Modal Attention for Audio-Visual Deepfake Detection and Localization
von: Katamneni, Vinaya Sree, et al.
Veröffentlicht: (2024)

ZeroSep: Separate Anything in Audio with Zero Training
von: Huang, Chao, et al.
Veröffentlicht: (2025)

What's Making That Sound Right Now? Video-centric Audio-Visual Localization
von: Choi, Hahyeon, et al.
Veröffentlicht: (2025)

Multilingual Audio-Visual Speech Recognition with Hybrid CTC/RNN-T Fast Conformer
von: Burchi, Maxime, et al.
Veröffentlicht: (2024)

ManiWAV: Learning Robot Manipulation from In-the-Wild Audio-Visual Data
von: Liu, Zeyi, et al.
Veröffentlicht: (2024)

A Survey of Recent Advances and Challenges in Deep Audio-Visual Correlation Learning
von: Vilaca, Luis, et al.
Veröffentlicht: (2024)

Audio-Visual Instance Segmentation
von: Guo, Ruohao, et al.
Veröffentlicht: (2023)

Bridging Audio and Vision: Zero-Shot Audiovisual Segmentation by Connecting Pretrained Models
von: Lee, Seung-jae, et al.
Veröffentlicht: (2025)

Masked Generative Video-to-Audio Transformers with Enhanced Synchronicity
von: Pascual, Santiago, et al.
Veröffentlicht: (2024)

Towards Unconstrained Audio Splicing Detection and Localization with Neural Networks
von: Moussa, Denise, et al.
Veröffentlicht: (2022)

From Vision to Sound: Advancing Audio Anomaly Detection with Vision-Based Algorithms
von: Barusco, Manuel, et al.
Veröffentlicht: (2025)

Foley-Flow: Coordinated Video-to-Audio Generation with Masked Audio-Visual Alignment and Dynamic Conditional Flows
von: Mo, Shentong, et al.
Veröffentlicht: (2026)

JavisDiT: Joint Audio-Video Diffusion Transformer with Hierarchical Spatio-Temporal Prior Synchronization
von: Liu, Kai, et al.
Veröffentlicht: (2025)

LD-LAudio-V1: Video-to-Long-Form-Audio Generation Extension with Dual Lightweight Adapters
von: Zhang, Haomin, et al.
Veröffentlicht: (2025)

Synthesizing Audio from Silent Video using Sequence to Sequence Modeling
von: Belinchon, Hugo Garrido-Lestache, et al.
Veröffentlicht: (2024)

FaceTalk: Audio-Driven Motion Diffusion for Neural Parametric Head Models
von: Aneja, Shivangi, et al.
Veröffentlicht: (2023)

JAM-Flow: Joint Audio-Motion Synthesis with Flow Matching
von: Kwon, Mingi, et al.
Veröffentlicht: (2025)

Contrastive Conditional Latent Diffusion for Audio-visual Segmentation
von: Mao, Yuxin, et al.
Veröffentlicht: (2023)

Conditional GAN for Enhancing Diffusion Models in Efficient and Authentic Global Gesture Generation from Audios
von: Cheng, Yongkang, et al.
Veröffentlicht: (2024)

Audio-Enhanced Vision-Language Modeling with Latent Space Broadening for High Quality Data Expansion
von: Sun, Yu, et al.
Veröffentlicht: (2025)

GaussianSpeech: Audio-Driven Gaussian Avatars
von: Aneja, Shivangi, et al.
Veröffentlicht: (2024)