Copertina

Multimodal Semantic Communication for Generative Audio-Driven Video Conferencing

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Tong, Haonan, Li, Haopeng, Du, Hongyang, Yang, Zhaohui, Yin, Changchuan, Niyato, Dusit
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Multimedia
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Latent Feature-Guided Conditional Diffusion for Generative Image Semantic Communication
di: Chen, Zehao, et al.
Pubblicazione: (2025)

Language-oriented Semantic Communication for Image Transmission with Fine-Tuned Diffusion Model
di: Wei, Xinfeng, et al.
Pubblicazione: (2024)

Video Semantic Communication with Major Object Extraction and Contextual Video Encoding
di: Li, Haopeng, et al.
Pubblicazione: (2024)

Semantic Item Graph Enhancement for Multimodal Recommendation
di: Zhang, Xiaoxiong, et al.
Pubblicazione: (2025)

HeadsetOff: Enabling Photorealistic Video Conferencing on Economical VR Headsets
di: Jin, Yili, et al.
Pubblicazione: (2024)

Loss-resilient Coding of Texture and Depth for Free-viewpoint Video Conferencing
di: Macchiavello, Bruno, et al.
Pubblicazione: (2013)

Learning Item Representations Directly from Multimodal Features for Effective Recommendation
di: Zhou, Xin, et al.
Pubblicazione: (2025)

Token Communications: A Large Model-Driven Framework for Cross-modal Context-aware Semantic Communications
di: Qiao, Li, et al.
Pubblicazione: (2025)

Semantically consistent Video-to-Audio Generation using Multimodal Language Large Model
di: Chen, Gehui, et al.
Pubblicazione: (2024)

Multimodal Class-aware Semantic Enhancement Network for Audio-Visual Video Parsing
di: Zhao, Pengcheng, et al.
Pubblicazione: (2024)

Generative AI-enabled Mobile Tactical Multimedia Networks: Distribution, Generation, and Perception
di: Xu, Minrui, et al.
Pubblicazione: (2024)

Interpreting Multimodal Communication at Scale in Short-Form Video: Visual, Audio, and Textual Mental Health Discourse on TikTok
di: Zha, Mingyue, et al.
Pubblicazione: (2026)

VineetVC: Adaptive Video Conferencing Under Severe Bandwidth Constraints Using Audio-Driven Talking-Head Reconstruction
di: Rakesh, Vineet Kumar, et al.
Pubblicazione: (2026)

Tile-Weighted Rate-Distortion Optimized Packet Scheduling for 360$^\circ$ VR Video Streaming
di: Wang, Haopeng, et al.
Pubblicazione: (2024)

Lightweight Call Signaling and Peer-to-Peer Control of WebRTC Video Conferencing
di: Singh, Kundan
Pubblicazione: (2026)

Enhancing Video Music Recommendation with Transformer-Driven Audio-Visual Embeddings
di: Liu, Shimiao, et al.
Pubblicazione: (2025)

StyleSpeaker: Audio-Enhanced Fine-Grained Style Modeling for Speech-Driven 3D Facial Animation
di: Yang, An, et al.
Pubblicazione: (2025)

QMAVIS: Long Video-Audio Understanding using Fusion of Large Multimodal Models
di: Lin, Zixing, et al.
Pubblicazione: (2026)

3MDiT: Unified Tri-Modal Diffusion Transformer for Text-Driven Synchronized Audio-Video Generation
di: Li, Yaoru, et al.
Pubblicazione: (2025)

Generalizing Video DeepFake Detection by Self-generated Audio-Visual Pseudo-Fakes
di: Wei, Zihe, et al.
Pubblicazione: (2026)

OmniCustom: Sync Audio-Video Customization Via Joint Audio-Video Generation Model
di: Li, Maomao, et al.
Pubblicazione: (2026)

STA-V2A: Video-to-Audio Generation with Semantic and Temporal Alignment
di: Ren, Yong, et al.
Pubblicazione: (2024)

DreamFoley: Scalable VLMs for High-Fidelity Video-to-Audio Generation
di: Li, Fu, et al.
Pubblicazione: (2025)

Contextual Wireless Video Semantic Communication in MIMO-OFDM Systems
di: Xie, Bingyan, et al.
Pubblicazione: (2026)

Video Echoed in Music: Semantic, Temporal, and Rhythmic Alignment for Video-to-Music Generation
di: Tong, Xinyi, et al.
Pubblicazione: (2025)

Exploring the Role of Audio in Multimodal Misinformation Detection
di: Liu, Moyang, et al.
Pubblicazione: (2024)

ICME 2025 Grand Challenge on Video Super-Resolution for Video Conferencing
di: Naderi, Babak, et al.
Pubblicazione: (2025)

Cap2Sum: Learning to Summarize Videos by Generating Captions
di: Zhao, Cairong, et al.
Pubblicazione: (2024)

AudCast: Audio-Driven Human Video Generation by Cascaded Diffusion Transformers
di: Guan, Jiazhi, et al.
Pubblicazione: (2025)

Beyond Static Collision Handling: Adaptive Semantic ID Learning for Multimodal Recommendation at Industrial Scale
di: Pan, Yongsen, et al.
Pubblicazione: (2026)

Pilot-guided Multimodal Semantic Communication for Audio-Visual Event Localization
di: Yu, Fei, et al.
Pubblicazione: (2024)

AV-Edit: Multimodal Generative Sound Effect Editing via Audio-Visual Semantic Joint Control
di: Guo, Xinyue, et al.
Pubblicazione: (2025)

MTAVG-Bench: A Diagnostic Benchmark for Multi-Talker Dialogue-Centric Audio-Video Generation
di: Zhou, Yang-Hao, et al.
Pubblicazione: (2026)

A Unit Enhancement and Guidance Framework for Audio-Driven Avatar Video Generation
di: Zhou, S. Z., et al.
Pubblicazione: (2025)

Look, Listen and Segment: Towards Weakly Supervised Audio-visual Semantic Segmentation
di: Li, Chengzhi, et al.
Pubblicazione: (2026)

UniTalking: A Unified Audio-Video Framework for Talking Portrait Generation
di: Li, Hebeizi, et al.
Pubblicazione: (2026)

Node-Based Editing for Multimodal Generation of Text, Audio, Image, and Video
di: Kyaw, Alexander Htet, et al.
Pubblicazione: (2025)

ProMSC-MIS: Prompt-based Multimodal Semantic Communication for Multi-Spectral Image Segmentation
di: Zhang, Haoshuo, et al.
Pubblicazione: (2025)

Virbo: Multimodal Multilingual Avatar Video Generation in Digital Marketing
di: Zhang, Juan, et al.
Pubblicazione: (2024)

Perception-Aware Video Semantic Communication
di: Huang, Yinhuan, et al.
Pubblicazione: (2026)