Buchumschlag

INFP: Audio-Driven Interactive Head Generation in Dyadic Conversations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Yongming, Zhang, Longhao, Rong, Zhengkun, Hu, Tianshu, Liang, Shuang, Ge, Zhipeng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DreamActor-M1: Holistic, Expressive and Robust Human Image Animation with Hybrid Guidance
von: Luo, Yuxuan, et al.
Veröffentlicht: (2025)

PersonaTalk: Bring Attention to Your Persona in Visual Dubbing
von: Zhang, Longhao, et al.
Veröffentlicht: (2024)

MobilePortrait: Real-Time One-Shot Neural Head Avatars on Mobile Devices
von: Jiang, Jianwen, et al.
Veröffentlicht: (2024)

FlowAct-R1: Towards Interactive Humanoid Video Generation
von: Wang, Lizhen, et al.
Veröffentlicht: (2026)

DreamActor-M2: Universal Character Image Animation via Spatiotemporal In-Context Learning
von: Luo, Mingshuang, et al.
Veröffentlicht: (2026)

OmniResponse: Online Multimodal Conversational Response Generation in Dyadic Interactions
von: Luo, Cheng, et al.
Veröffentlicht: (2025)

Test-Time Self-Adaptive Conditioning for Stable Audio-Driven Talking-Head Generation
von: Zhang, Zhicheng, et al.
Veröffentlicht: (2026)

Ex-Omni: Enabling 3D Facial Animation Generation for Omni-modal Large Language Models
von: Zhang, Haoyu, et al.
Veröffentlicht: (2026)

Seamless Interaction: Dyadic Audiovisual Motion Modeling and Large-Scale Dataset
von: Agrawal, Vasu, et al.
Veröffentlicht: (2025)

VASA-3D: Lifelike Audio-Driven Gaussian Head Avatars from a Single Image
von: Xu, Sicheng, et al.
Veröffentlicht: (2025)

PoseTalk: Text-and-Audio-based Pose Control and Motion Refinement for One-Shot Talking Head Generation
von: Ling, Jun, et al.
Veröffentlicht: (2024)

Learning What to Trust: Bayesian Prior-Guided Optimization for Visual Generation
von: Liu, Ruiying, et al.
Veröffentlicht: (2025)

EmotiveTalk: Expressive Talking Head Generation through Audio Information Decoupling and Emotional Video Diffusion
von: Wang, Haotian, et al.
Veröffentlicht: (2024)

Category Query Learning for Human-Object Interaction Classification
von: Xie, Chi, et al.
Veröffentlicht: (2023)

PC-Talk: Precise Facial Animation Control for Audio-Driven Talking Face Generation
von: Wang, Baiqin, et al.
Veröffentlicht: (2025)

ViSAudio: End-to-End Video-Driven Binaural Spatial Audio Generation
von: Zhang, Mengchen, et al.
Veröffentlicht: (2025)

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

OmniAvatar: Efficient Audio-Driven Avatar Video Generation with Adaptive Body Animation
von: Gan, Qijun, et al.
Veröffentlicht: (2025)

SwapTalk: Audio-Driven Talking Face Generation with One-Shot Customization in Latent Space
von: Zhang, Zeren, et al.
Veröffentlicht: (2024)

Head Forcing: Long Autoregressive Video Generation via Head Heterogeneity
von: Tian, Jiahao, et al.
Veröffentlicht: (2026)

VidSketch: Hand-drawn Sketch-Driven Video Generation with Diffusion Control
von: Jiang, Lifan, et al.
Veröffentlicht: (2025)

Non-Markov Multi-Round Conversational Image Generation with History-Conditioned MLLMs
von: Zhang, Haochen, et al.
Veröffentlicht: (2026)

EmoGene: Audio-Driven Emotional 3D Talking-Head Generation
von: Wang, Wenqing, et al.
Veröffentlicht: (2024)

TempoSyncDiff: Distilled Temporally-Consistent Diffusion for Low-Latency Audio-Driven Talking Head Generation
von: Mazumdar, Soumya, et al.
Veröffentlicht: (2026)

UniHead: Unifying Multi-Perception for Detection Heads
von: Zhou, Hantao, et al.
Veröffentlicht: (2023)

FlowPalm: Optical Flow Driven Non-Rigid Deformation for Geometrically Diverse Palmprint Generation
von: Zou, Yuchen, et al.
Veröffentlicht: (2026)

BREEN: Bridge Data-Efficient Encoder-Free Multimodal Learning with Learnable Queries
von: Li, Tianle, et al.
Veröffentlicht: (2025)

Superior and Pragmatic Talking Face Generation with Teacher-Student Framework
von: Liang, Chao, et al.
Veröffentlicht: (2024)

DeepFake Detection in Dyadic Video Calls using Point of Gaze Tracking
von: Kohler, Odin, et al.
Veröffentlicht: (2025)

Empathetic Response in Audio-Visual Conversations Using Emotion Preference Optimization and MambaCompressor
von: Kim, Yeonju, et al.
Veröffentlicht: (2024)

Dynamic Multi-Target Fusion for Efficient Audio-Visual Navigation
von: Yu, Yinfeng, et al.
Veröffentlicht: (2025)

Interact-Custom: Customized Human Object Interaction Image Generation
von: Xu, Zhu, et al.
Veröffentlicht: (2025)

DreamActor-H1: High-Fidelity Human-Product Demonstration Video Generation via Motion-designed Diffusion Transformers
von: Wang, Lizhen, et al.
Veröffentlicht: (2025)

Consistent Video Editing as Flow-Driven Image-to-Video Generation
von: Wang, Ge, et al.
Veröffentlicht: (2025)

Avatar Forcing: Real-Time Interactive Head Avatar Generation for Natural Conversation
von: Ki, Taekyung, et al.
Veröffentlicht: (2026)

ExGes: Expressive Human Motion Retrieval and Modulation for Audio-Driven Gesture Synthesis
von: Zhou, Xukun, et al.
Veröffentlicht: (2025)

Observation-Aligned Mask Priors for Learning Physical Dynamics from Authentic Occlusions
von: Ma, Chiyuan, et al.
Veröffentlicht: (2026)

Exploring Audio Hallucination in Egocentric Video Understanding
von: Seth, Ashish, et al.
Veröffentlicht: (2026)

TAVID: Text-Driven Audio-Visual Interactive Dialogue Generation
von: Kim, Ji-Hoon, et al.
Veröffentlicht: (2025)

EAvatar: Expression-Aware Head Avatar Reconstruction with Generative Geometry Priors
von: Zhang, Shikun, et al.
Veröffentlicht: (2025)