Buchumschlag

CCStereo: Audio-Visual Contextual and Contrastive Learning for Binaural Audio Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yuanhong, Shimada, Kazuki, Simon, Christian, Ikemiya, Yukara, Shibuya, Takashi, Mitsufuji, Yuki
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Sound Computer Vision and Pattern Recognition Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SAVGBench: Benchmarking Spatially Aligned Audio-Video Generation
von: Shimada, Kazuki, et al.
Veröffentlicht: (2024)

SpecMaskGIT: Masked Generative Modeling of Audio Spectrograms for Efficient Audio Synthesis and Beyond
von: Comunità, Marco, et al.
Veröffentlicht: (2024)

StereoSync: Spatially-Aware Stereo Audio Generation from Video
von: Marinoni, Christian, et al.
Veröffentlicht: (2025)

Step-by-Step Video-to-Audio Synthesis via Negative Audio Guidance
von: Hayakawa, Akio, et al.
Veröffentlicht: (2025)

MMDisCo: Multi-Modal Discriminator-Guided Cooperative Diffusion for Joint Audio and Video Generation
von: Hayakawa, Akio, et al.
Veröffentlicht: (2024)

Visual Echoes: A Simple Unified Transformer for Audio-Visual Generation
von: Yang, Shiqi, et al.
Veröffentlicht: (2024)

SoundReactor: Frame-level Online Video-to-Audio Generation
von: Saito, Koichi, et al.
Veröffentlicht: (2025)

MMAudio: Taming Multimodal Joint Training for High-Quality Video-to-Audio Synthesis
von: Cheng, Ho Kei, et al.
Veröffentlicht: (2024)

A Simple but Strong Baseline for Sounding Video Generation: Effective Adaptation of Audio and Video Diffusion Models for Joint Generation
von: Ishii, Masato, et al.
Veröffentlicht: (2024)

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

Variable Bitrate Residual Vector Quantization for Audio Coding
von: Chae, Yunkee, et al.
Veröffentlicht: (2024)

MMAudioSep: Taming Video-to-Audio Generative Model Towards Video/Text-Queried Sound Separation
von: Takahashi, Akira, et al.
Veröffentlicht: (2025)

Deep Learning for Personalized Binaural Audio Reproduction
von: Lu, Xikun, et al.
Veröffentlicht: (2025)

CoGenAV: Versatile Audio-Visual Representation Learning via Contrastive-Generative Synchronization
von: Bai, Detao, et al.
Veröffentlicht: (2025)

BigVSAN: Enhancing GAN-based Neural Vocoders with Slicing Adversarial Network
von: Shibuya, Takashi, et al.
Veröffentlicht: (2023)

Binamix -- A Python Library for Generating Binaural Audio Datasets
von: Barry, Dan, et al.
Veröffentlicht: (2025)

Large-Scale Training Data Attribution for Music Generative Models via Unlearning
von: Choi, Woosung, et al.
Veröffentlicht: (2025)

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

Lightweight Implicit Neural Network for Binaural Audio Synthesis
von: Lu, Xikun, et al.
Veröffentlicht: (2025)

Sequential Contrastive Audio-Visual Learning
von: Tsiamas, Ioannis, et al.
Veröffentlicht: (2024)

Enhancing Neural Audio Fingerprint Robustness to Audio Degradation for Music Identification
von: Araz, R. Oguz, et al.
Veröffentlicht: (2025)

Diffusion-Based Speech Enhancement with Joint Generative and Predictive Decoders
von: Shi, Hao, et al.
Veröffentlicht: (2023)

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

Multiple Consistency-guided Test-Time Adaptation for Contrastive Audio-Language Models with Unlabeled Audio
von: Chen, Gongyu, et al.
Veröffentlicht: (2024)

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

BANC: Towards Efficient Binaural Audio Neural Codec for Overlapping Speech
von: Ratnarajah, Anton, et al.
Veröffentlicht: (2023)

Audio-Vision Contrastive Learning for Phonological Class Recognition
von: Liu, Daiqi, et al.
Veröffentlicht: (2025)

OmniAudio: Generating Spatial Audio from 360-Degree Video
von: Liu, Huadai, et al.
Veröffentlicht: (2025)

MusicMagus: Zero-Shot Text-to-Music Editing via Diffusion Models
von: Zhang, Yixiao, et al.
Veröffentlicht: (2024)

Learning Spatial Features from Audio-Visual Correspondence in Egocentric Videos
von: Majumder, Sagnik, et al.
Veröffentlicht: (2023)

BINAQUAL: A Full-Reference Objective Localization Similarity Metric for Binaural Audio
von: Panah, Davoud Shariat, et al.
Veröffentlicht: (2025)

MACS: Multi-source Audio-to-image Generation with Contextual Significance and Semantic Alignment
von: Zhou, Hao, et al.
Veröffentlicht: (2025)

SilentCipher: Deep Audio Watermarking
von: Singh, Mayank Kumar, et al.
Veröffentlicht: (2024)

TTMBA: Towards Text To Multiple Sources Binaural Audio Generation
von: He, Yuxuan, et al.
Veröffentlicht: (2025)

Learning to Highlight Audio by Watching Movies
von: Huang, Chao, et al.
Veröffentlicht: (2025)

Seeing Speech and Sound: Distinguishing and Locating Audios in Visual Scenes
von: Ryu, Hyeonggon, et al.
Veröffentlicht: (2025)

Look, Listen and Recognise: Character-Aware Audio-Visual Subtitling
von: Korbar, Bruno, et al.
Veröffentlicht: (2024)

UniSync: A Unified Framework for Audio-Visual Synchronization
von: Feng, Tao, et al.
Veröffentlicht: (2025)

Audio-Visual Talker Localization in Video for Spatial Sound Reproduction
von: Berghi, Davide, et al.
Veröffentlicht: (2024)

GRAFX: An Open-Source Library for Audio Processing Graphs in PyTorch
von: Lee, Sungho, et al.
Veröffentlicht: (2024)