Buchumschlag

DiTaiListener: Controllable High Fidelity Listener Video Generation with Diffusion

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Siniukov, Maksim, Chang, Di, Tran, Minh, Gong, Hongkun, Chaubey, Ashutosh, Soleymani, Mohammad
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning I.4.9
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GDPO-Listener: Expressive Interactive Head Generation via Auto-Regressive Flow Matching and Group reward-Decoupled Policy Optimization
von: Jin, Zhangyu, et al.
Veröffentlicht: (2026)

DreamMapping: High-Fidelity Text-to-3D Generation via Variational Distribution Mapping
von: Cai, Zeyu, et al.
Veröffentlicht: (2024)

Data Augmentation in Earth Observation: A Diffusion Model Approach
von: Sousa, Tiago, et al.
Veröffentlicht: (2024)

UAV-assisted Visual SLAM Generating Reconstructed 3D Scene Graphs in GPS-denied Environments
von: Radwan, Ahmed, et al.
Veröffentlicht: (2024)

Deepfake Detection Generalization with Diffusion Noise
von: Qi, Hongyuan, et al.
Veröffentlicht: (2026)

CerberusDet: Unified Multi-Dataset Object Detection
von: Tolstykh, Irina, et al.
Veröffentlicht: (2024)

Orientation-conditioned Facial Texture Mapping for Video-based Facial Remote Photoplethysmography Estimation
von: Cantrill, Sam, et al.
Veröffentlicht: (2024)

Dyadic Interaction Modeling for Social Behavior Generation
von: Tran, Minh, et al.
Veröffentlicht: (2024)

Vision-based Situational Graphs Exploiting Fiducial Markers for the Integration of Semantic Entities
von: Tourani, Ali, et al.
Veröffentlicht: (2023)

AVERE: Improving Audiovisual Emotion Reasoning with Preference Optimization
von: Chaubey, Ashutosh, et al.
Veröffentlicht: (2026)

NumeriKontrol: Adding Numeric Control to Diffusion Transformers for Instruction-based Image Editing
von: Xu, Zhenyu, et al.
Veröffentlicht: (2025)

Ego-Motion Aware Target Prediction Module for Robust Multi-Object Tracking
von: Mahdian, Navid, et al.
Veröffentlicht: (2024)

Chat-Driven Text Generation and Interaction for Person Retrieval
von: Xie, Zequn, et al.
Veröffentlicht: (2025)

Novel Concept-Oriented Synthetic Data approach for Training Generative AI-Driven Crystal Grain Analysis Using Diffusion Model
von: Saleh, Ahmed Sobhi, et al.
Veröffentlicht: (2025)

Bridge Diffusion Model: Bridge Chinese Text-to-Image Diffusion Model with English Communities
von: Liu, Shanyuan, et al.
Veröffentlicht: (2023)

Exploring Diffusion with Test-Time Training on Efficient Image Restoration
von: Lu, Rongchang, et al.
Veröffentlicht: (2025)

Video-Based Human Pose Regression via Decoupled Space-Time Aggregation
von: He, Jijie, et al.
Veröffentlicht: (2024)

Efficient Diffusion Models: A Comprehensive Survey from Principles to Practices
von: Ma, Zhiyuan, et al.
Veröffentlicht: (2024)

Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations
von: Wang, Junjue, et al.
Veröffentlicht: (2026)

WPDA: Frequency-based Backdoor Attack with Wavelet Packet Decomposition
von: Song, Zhengyao, et al.
Veröffentlicht: (2024)

EEG Signal Denoising Using pix2pix GAN: Enhancing Neurological Data Analysis
von: Wang, Haoyi, et al.
Veröffentlicht: (2024)

AVadCLIP: Audio-Visual Collaboration for Robust Video Anomaly Detection
von: Wu, Peng, et al.
Veröffentlicht: (2025)

Decoupled Sensitivity-Consistency Learning for Weakly Supervised Video Anomaly Detection
von: Zheng, Hantao, et al.
Veröffentlicht: (2026)

DIsoN: Decentralized Isolation Networks for Out-of-Distribution Detection in Medical Imaging
von: Wagner, Felix, et al.
Veröffentlicht: (2025)

DreamPBR: Text-driven Generation of High-resolution SVBRDF with Multi-modal Guidance
von: Xin, Linxuan, et al.
Veröffentlicht: (2024)

Beyond Specialization: Assessing the Capabilities of MLLMs in Age and Gender Estimation
von: Kuprashevich, Maksim, et al.
Veröffentlicht: (2024)

Facial Spatiotemporal Graphs: Leveraging the 3D Facial Surface for Remote Physiological Measurement
von: Cantrill, Sam, et al.
Veröffentlicht: (2026)

Human-Centric Anomaly Detection in Surveillance Videos Using YOLO-World and Spatio-Temporal Deep Learning
von: Naeen, Mohammad Ali Etemadi, et al.
Veröffentlicht: (2025)

Diffusion-Based Ukrainian Handwritten Text Generation with Cross-Domain Style Transfer
von: Ahitoliev, Andrii, et al.
Veröffentlicht: (2026)

VersaGen: Unleashing Versatile Visual Control for Text-to-Image Synthesis
von: Chen, Zhipeng, et al.
Veröffentlicht: (2024)

Cost Savings from Automatic Quality Assessment of Generated Images
von: Giro-i-Nieto, Xavier, et al.
Veröffentlicht: (2025)

AVControl: Efficient Framework for Training Audio-Visual Controls
von: Ben-Yosef, Matan, et al.
Veröffentlicht: (2026)

Advanced Long-term Earth System Forecasting
von: Wu, Hao, et al.
Veröffentlicht: (2025)

IAMAP: Unlocking Deep Learning in QGIS for non-coders and limited computing resources
von: Tresson, Paul, et al.
Veröffentlicht: (2025)

Optimizing Multi-Scale Representations to Detect Effect Heterogeneity Using Earth Observation and Computer Vision: Applications to Two Anti-Poverty RCTs
von: Zhu, Fucheng Warren, et al.
Veröffentlicht: (2024)

EarthVL: A Progressive Earth Vision-Language Understanding and Generation Framework
von: Wang, Junjue, et al.
Veröffentlicht: (2026)

Do Audio LLMs Listen or Read? Analyzing and Mitigating Paralinguistic Failures with VoxParadox
von: Pang, Jiacheng, et al.
Veröffentlicht: (2026)

Fingerprint Membership and Identity Inference Against Generative Adversarial Networks
von: Cavasin, Saverio, et al.
Veröffentlicht: (2024)

SPEAK: Speech-Driven Pose and Emotion-Adjustable Talking Head Generation
von: Cai, Changpeng, et al.
Veröffentlicht: (2024)

Egocentric Video: A New Tool for Capturing Hand Use of Individuals with Spinal Cord Injury at Home
von: Likitlersuang, Jirapat, et al.
Veröffentlicht: (2018)