JoyHallo: Digital human model for Mandarin
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Shi, Sheng, Cao, Xuyang, Zhao, Jun, Wang, Guoxin |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
JoyVASA: Portrait and Animal Image Animation with Diffusion-Based Audio-Driven Facial Dynamics and Head Motion Generation
par: Cao, Xuyang, et autres
Publié: (2024)
par: Cao, Xuyang, et autres
Publié: (2024)
JoyType: A Robust Design for Multilingual Visual Text Creation
par: Li, Chao, et autres
Publié: (2024)
par: Li, Chao, et autres
Publié: (2024)
Hallo: Hierarchical Audio-Driven Visual Synthesis for Portrait Image Animation
par: Xu, Mingwang, et autres
Publié: (2024)
par: Xu, Mingwang, et autres
Publié: (2024)
Hallo2: Long-Duration and High-Resolution Audio-Driven Portrait Image Animation
par: Cui, Jiahao, et autres
Publié: (2024)
par: Cui, Jiahao, et autres
Publié: (2024)
Hallo4: High-Fidelity Dynamic Portrait Animation via Direct Preference Optimization
par: Cui, Jiahao, et autres
Publié: (2025)
par: Cui, Jiahao, et autres
Publié: (2025)
JoyGen: Audio-Driven 3D Depth-Aware Talking-Face Video Editing
par: Wang, Qili, et autres
Publié: (2025)
par: Wang, Qili, et autres
Publié: (2025)
Hallo3: Highly Dynamic and Realistic Portrait Image Animation with Video Diffusion Transformer
par: Cui, Jiahao, et autres
Publié: (2024)
par: Cui, Jiahao, et autres
Publié: (2024)
A Bi-Pyramid Multimodal Fusion Method for the Diagnosis of Bipolar Disorders
par: Wang, Guoxin, et autres
Publié: (2024)
par: Wang, Guoxin, et autres
Publié: (2024)
Hallo-Live: Real-Time Streaming Joint Audio-Video Avatar Generation with Asynchronous Dual-Stream and Human-Centric Preference Distillation
par: Li, Chunyu, et autres
Publié: (2026)
par: Li, Chunyu, et autres
Publié: (2026)
Citrus-V: Advancing Medical Foundation Models with Unified Medical Image Grounding for Clinical Reasoning
par: Wang, Guoxin, et autres
Publié: (2025)
par: Wang, Guoxin, et autres
Publié: (2025)
ARM: A Learnable, Plug-and-Play Module for CLIP-based Open-vocabulary Semantic Segmentation
par: Liu, Ziquan, et autres
Publié: (2025)
par: Liu, Ziquan, et autres
Publié: (2025)
JoyStreamer: Unlocking Highly Expressive Avatars via Harmonized Text-Audio Conditioning
par: Wang, Ruikui, et autres
Publié: (2026)
par: Wang, Ruikui, et autres
Publié: (2026)
JoyStreamer-Flash: Real-time and Infinite Audio-Driven Avatar Generation with Autoregressive Diffusion
par: Li, Chaochao, et autres
Publié: (2025)
par: Li, Chaochao, et autres
Publié: (2025)
Cascade-Free Mandarin Visual Speech Recognition via Semantic-Guided Cross-Representation Alignment
par: Yang, Lei, et autres
Publié: (2026)
par: Yang, Lei, et autres
Publié: (2026)
T2VWorldBench: A Benchmark for Evaluating World Knowledge in Text-to-Video Generation
par: Chen, Yubin, et autres
Publié: (2025)
par: Chen, Yubin, et autres
Publié: (2025)
VALLR-Pin: Uncertainty-Factorized Visual Speech Recognition for Mandarin with Pinyin Guidance
par: Sun, Chang, et autres
Publié: (2025)
par: Sun, Chang, et autres
Publié: (2025)
ORXE: Orchestrating Experts for Dynamically Configurable Efficiency
par: Wang, Qingyuan, et autres
Publié: (2025)
par: Wang, Qingyuan, et autres
Publié: (2025)
MHAD: Multimodal Home Activity Dataset with Multi-Angle Videos and Synchronized Physiological Signals
par: Yu, Lei, et autres
Publié: (2024)
par: Yu, Lei, et autres
Publié: (2024)
Unlocking the Potential: Multi-task Deep Learning for Spaceborne Quantitative Monitoring of Fugitive Methane Plumes
par: Si, Guoxin, et autres
Publié: (2024)
par: Si, Guoxin, et autres
Publié: (2024)
CoCAViT: Compact Vision Transformer with Robust Global Coordination
par: Wang, Xuyang, et autres
Publié: (2025)
par: Wang, Xuyang, et autres
Publié: (2025)
VoxelNextFusion: A Simple, Unified and Effective Voxel Fusion Framework for Multi-Modal 3D Object Detection
par: Song, Ziying, et autres
Publié: (2024)
par: Song, Ziying, et autres
Publié: (2024)
Expressive yet Efficient Feature Expansion with Adaptive Cross-Hadamard Products
par: Zhang, Xuyang, et autres
Publié: (2025)
par: Zhang, Xuyang, et autres
Publié: (2025)
Your Vision-Language Model Can't Even Count to 20: Exposing the Failures of VLMs in Compositional Counting
par: Guo, Xuyang, et autres
Publié: (2025)
par: Guo, Xuyang, et autres
Publié: (2025)
FGU3R: Fine-Grained Fusion via Unified 3D Representation for Multimodal 3D Object Detection
par: Zhang, Guoxin, et autres
Publié: (2025)
par: Zhang, Guoxin, et autres
Publié: (2025)
Video Compression Commander: Plug-and-Play Inference Acceleration for Video Large Language Models
par: Liu, Xuyang, et autres
Publié: (2025)
par: Liu, Xuyang, et autres
Publié: (2025)
MoCrop: Training Free Motion Guided Cropping for Efficient Video Action Recognition
par: Huang, Binhua, et autres
Publié: (2025)
par: Huang, Binhua, et autres
Publié: (2025)
Any-Optical-Model: A Universal Foundation Model for Optical Remote Sensing
par: Li, Xuyang, et autres
Publié: (2025)
par: Li, Xuyang, et autres
Publié: (2025)
AsymLoRA: Harmonizing Data Conflicts and Commonalities in MLLMs
par: Wei, Xuyang, et autres
Publié: (2025)
par: Wei, Xuyang, et autres
Publié: (2025)
LTA-L2S: Lexical Tone-Aware Lip-to-Speech Synthesis for Mandarin with Cross-Lingual Transfer Learning
par: Yang, Kang, et autres
Publié: (2025)
par: Yang, Kang, et autres
Publié: (2025)
Clore: Interactive Pathology Image Segmentation with Click-based Local Refinement
par: Wang, Tiantong, et autres
Publié: (2026)
par: Wang, Tiantong, et autres
Publié: (2026)
3SHNet: Boosting Image-Sentence Retrieval via Visual Semantic-Spatial Self-Highlighting
par: Ge, Xuri, et autres
Publié: (2024)
par: Ge, Xuri, et autres
Publié: (2024)
VGDiffZero: Text-to-image Diffusion Models Can Be Zero-shot Visual Grounders
par: Liu, Xuyang, et autres
Publié: (2023)
par: Liu, Xuyang, et autres
Publié: (2023)
V-CAST: Video Curvature-Aware Spatio-Temporal Pruning for Efficient Video Large Language Models
par: Lin, Xinying, et autres
Publié: (2026)
par: Lin, Xinying, et autres
Publié: (2026)
Global Compression Commander: Plug-and-Play Inference Acceleration for High-Resolution Large Vision-Language Models
par: Liu, Xuyang, et autres
Publié: (2025)
par: Liu, Xuyang, et autres
Publié: (2025)
A comprehensive framework for occluded human pose estimation
par: Xu, Linhao, et autres
Publié: (2023)
par: Xu, Linhao, et autres
Publié: (2023)
Segmentation-aware Prior Assisted Joint Global Information Aggregated 3D Building Reconstruction
par: Peng, Hongxin, et autres
Publié: (2024)
par: Peng, Hongxin, et autres
Publié: (2024)
Mixing Importance with Diversity: Joint Optimization for KV Cache Compression in Large Vision-Language Models
par: Liu, Xuyang, et autres
Publié: (2025)
par: Liu, Xuyang, et autres
Publié: (2025)
Self-Supervised Animal Identification for Long Videos
par: Fang, Xuyang, et autres
Publié: (2026)
par: Fang, Xuyang, et autres
Publié: (2026)
8-Calves Image dataset
par: Fang, Xuyang, et autres
Publié: (2025)
par: Fang, Xuyang, et autres
Publié: (2025)
FlexiMo: A Flexible Remote Sensing Foundation Model
par: Li, Xuyang, et autres
Publié: (2025)
par: Li, Xuyang, et autres
Publié: (2025)
Documents similaires
-
JoyVASA: Portrait and Animal Image Animation with Diffusion-Based Audio-Driven Facial Dynamics and Head Motion Generation
par: Cao, Xuyang, et autres
Publié: (2024) -
JoyType: A Robust Design for Multilingual Visual Text Creation
par: Li, Chao, et autres
Publié: (2024) -
Hallo: Hierarchical Audio-Driven Visual Synthesis for Portrait Image Animation
par: Xu, Mingwang, et autres
Publié: (2024) -
Hallo2: Long-Duration and High-Resolution Audio-Driven Portrait Image Animation
par: Cui, Jiahao, et autres
Publié: (2024) -
Hallo4: High-Fidelity Dynamic Portrait Animation via Direct Preference Optimization
par: Cui, Jiahao, et autres
Publié: (2025)