KAD: No More FAD! An Effective and Efficient Evaluation Metric for Audio Generation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Chung, Yoonjin, Eu, Pilsun, Lee, Junwon, Choi, Keunwoo, Nam, Juhan, Chon, Ben Sangbae |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
T-FOLEY: A Controllable Waveform-Domain Diffusion Model for Temporal-Event-Guided Foley Sound Synthesis
par: Chung, Yoonjin, et autres
Publié: (2024)
par: Chung, Yoonjin, et autres
Publié: (2024)
TALKPLAY: Multimodal Music Recommendation with Large Language Models
par: Doh, Seungheon, et autres
Publié: (2025)
par: Doh, Seungheon, et autres
Publié: (2025)
TalkPlay-Tools: Conversational Music Recommendation with LLM Tool Calling
par: Doh, Seungheon, et autres
Publié: (2025)
par: Doh, Seungheon, et autres
Publié: (2025)
Correlation of Fréchet Audio Distance With Human Perception of Environmental Audio Is Embedding Dependant
par: Tailleur, Modan, et autres
Publié: (2024)
par: Tailleur, Modan, et autres
Publié: (2024)
Hear What Matters! Text-conditioned Selective Video-to-Audio Generation
par: Lee, Junwon, et autres
Publié: (2025)
par: Lee, Junwon, et autres
Publié: (2025)
TalkPlayData 2: An Agentic Synthetic Data Pipeline for Multimodal Conversational Music Recommendation
par: Choi, Keunwoo, et autres
Publié: (2025)
par: Choi, Keunwoo, et autres
Publié: (2025)
CONMOD: Controllable Neural Frame-based Modulation Effects
par: Lee, Gyubin, et autres
Publié: (2024)
par: Lee, Gyubin, et autres
Publié: (2024)
Music Discovery Dialogue Generation Using Human Intent Analysis and Large Language Models
par: Doh, SeungHeon, et autres
Publié: (2024)
par: Doh, SeungHeon, et autres
Publié: (2024)
UNMIXX: Untangling Highly Correlated Singing Voices Mixtures
par: Jung, Jihoo, et autres
Publié: (2026)
par: Jung, Jihoo, et autres
Publié: (2026)
FlashSR: One-step Versatile Audio Super-resolution via Diffusion Distillation
par: Im, Jaekwon, et autres
Publié: (2025)
par: Im, Jaekwon, et autres
Publié: (2025)
CounterFlow: A Two-Phase Inference-Time Sampling for Counterfactual Video Foley Generation
par: Lee, Gyubin, et autres
Publié: (2026)
par: Lee, Gyubin, et autres
Publié: (2026)
Challenge on Sound Scene Synthesis: Evaluating Text-to-Audio Generation
par: Lee, Junwon, et autres
Publié: (2024)
par: Lee, Junwon, et autres
Publié: (2024)
DIFFRENT: A Diffusion Model for Recording Environment Transfer of Speech
par: Im, Jaekwon, et autres
Publié: (2024)
par: Im, Jaekwon, et autres
Publié: (2024)
Video-Foley: Two-Stage Video-To-Sound Generation via Temporal Event Condition For Foley Sound
par: Lee, Junwon, et autres
Publié: (2024)
par: Lee, Junwon, et autres
Publié: (2024)
AImoclips: A Benchmark for Evaluating Emotion Conveyance in Text-to-Music Generation
par: Go, Gyehun, et autres
Publié: (2025)
par: Go, Gyehun, et autres
Publié: (2025)
AudioGAN: A Compact and Efficient Framework for Real-Time High-Fidelity Text-to-Audio Generation
par: Chung, HaeChun
Publié: (2025)
par: Chung, HaeChun
Publié: (2025)
Musical Word Embedding for Music Tagging and Retrieval
par: Doh, SeungHeon, et autres
Publié: (2024)
par: Doh, SeungHeon, et autres
Publié: (2024)
PIAST: A Multimodal Piano Dataset with Audio, Symbolic and Text
par: Bang, Hayeon, et autres
Publié: (2024)
par: Bang, Hayeon, et autres
Publié: (2024)
Evaluating Hallucinations in Audio-Visual Multimodal LLMs with Spoken Queries under Diverse Acoustic Conditions
par: Park, Hansol, et autres
Publié: (2025)
par: Park, Hansol, et autres
Publié: (2025)
Towards Efficient and Real-Time Piano Transcription Using Neural Autoregressive Models
par: Kwon, Taegyun, et autres
Publié: (2024)
par: Kwon, Taegyun, et autres
Publié: (2024)
Sound Scene Synthesis at the DCASE 2024 Challenge
par: Lagrange, Mathieu, et autres
Publié: (2025)
par: Lagrange, Mathieu, et autres
Publié: (2025)
FlowAVSE: Efficient Audio-Visual Speech Enhancement with Conditional Flow Matching
par: Jung, Chaeyoung, et autres
Publié: (2024)
par: Jung, Chaeyoung, et autres
Publié: (2024)
Can Large Language Models Predict Audio Effects Parameters from Natural Language?
par: Doh, Seungheon, et autres
Publié: (2025)
par: Doh, Seungheon, et autres
Publié: (2025)
Dialogue in Resonance: An Interactive Music Piece for Piano and Real-Time Automatic Transcription System
par: Bang, Hayeon, et autres
Publié: (2025)
par: Bang, Hayeon, et autres
Publié: (2025)
EzAudio: Enhancing Text-to-Audio Generation with Efficient Diffusion Transformer
par: Hai, Jiarui, et autres
Publié: (2024)
par: Hai, Jiarui, et autres
Publié: (2024)
MiDashengLM: Efficient Audio Understanding with General Audio Captions
par: Dinkel, Heinrich, et autres
Publié: (2025)
par: Dinkel, Heinrich, et autres
Publié: (2025)
DeFT-Mamba: Universal Multichannel Sound Separation and Polyphonic Audio Classification
par: Lee, Dongheon, et autres
Publié: (2024)
par: Lee, Dongheon, et autres
Publié: (2024)
AudioEval: Automatic Dual-Perspective and Multi-Dimensional Evaluation of Text-to-Audio-Generation
par: Wang, Hui, et autres
Publié: (2025)
par: Wang, Hui, et autres
Publié: (2025)
KoALa-Bench: Evaluating Large Audio Language Models on Korean Speech Understanding and Faithfulness
par: Kim, Jinyoung, et autres
Publié: (2026)
par: Kim, Jinyoung, et autres
Publié: (2026)
SpecMaskGIT: Masked Generative Modeling of Audio Spectrograms for Efficient Audio Synthesis and Beyond
par: Comunità, Marco, et autres
Publié: (2024)
par: Comunità, Marco, et autres
Publié: (2024)
Optimal Transport Audio Distance with Learned Riemannian Ground Metrics
par: Jeong, Wonwoo
Publié: (2026)
par: Jeong, Wonwoo
Publié: (2026)
The Extended SONICOM HRTF Dataset and Spatial Audio Metrics Toolbox
par: Poole, Katarina C., et autres
Publié: (2025)
par: Poole, Katarina C., et autres
Publié: (2025)
Listen through the Sound: Generative Speech Restoration Leveraging Acoustic Context Representation
par: Chung, Soo-Whan, et autres
Publié: (2025)
par: Chung, Soo-Whan, et autres
Publié: (2025)
A Reference-free Metric for Language-Queried Audio Source Separation using Contrastive Language-Audio Pretraining
par: Xiao, Feiyang, et autres
Publié: (2024)
par: Xiao, Feiyang, et autres
Publié: (2024)
A Real-Time Lyrics Alignment System Using Chroma And Phonetic Features For Classical Vocal Performance
par: Park, Jiyun, et autres
Publié: (2024)
par: Park, Jiyun, et autres
Publié: (2024)
MACE: Leveraging Audio for Evaluating Audio Captioning Systems
par: Dixit, Satvik, et autres
Publié: (2024)
par: Dixit, Satvik, et autres
Publié: (2024)
MMAU-Pro: A Challenging and Comprehensive Benchmark for Holistic Evaluation of Audio General Intelligence
par: Kumar, Sonal, et autres
Publié: (2025)
par: Kumar, Sonal, et autres
Publié: (2025)
UniAudio: An Audio Foundation Model Toward Universal Audio Generation
par: Yang, Dongchao, et autres
Publié: (2023)
par: Yang, Dongchao, et autres
Publié: (2023)
BINAQUAL: A Full-Reference Objective Localization Similarity Metric for Binaural Audio
par: Panah, Davoud Shariat, et autres
Publié: (2025)
par: Panah, Davoud Shariat, et autres
Publié: (2025)
SoundCollage: Automated Discovery of New Classes in Audio Datasets
par: Choi, Ryuhaerang, et autres
Publié: (2024)
par: Choi, Ryuhaerang, et autres
Publié: (2024)
Documents similaires
-
T-FOLEY: A Controllable Waveform-Domain Diffusion Model for Temporal-Event-Guided Foley Sound Synthesis
par: Chung, Yoonjin, et autres
Publié: (2024) -
TALKPLAY: Multimodal Music Recommendation with Large Language Models
par: Doh, Seungheon, et autres
Publié: (2025) -
TalkPlay-Tools: Conversational Music Recommendation with LLM Tool Calling
par: Doh, Seungheon, et autres
Publié: (2025) -
Correlation of Fréchet Audio Distance With Human Perception of Environmental Audio Is Embedding Dependant
par: Tailleur, Modan, et autres
Publié: (2024) -
Hear What Matters! Text-conditioned Selective Video-to-Audio Generation
par: Lee, Junwon, et autres
Publié: (2025)