Dynamic Inter-Class Confusion-Aware Encoder for Audio-Visual Fusion in Human Activity Recognition
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Cong, Kaixuan, Wang, Yifan, Xue, Rongkun, Jiang, Yuyang, Feng, Yiming, Yang, Jing |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Inconsistency-Aware Cross-Attention for Audio-Visual Fusion in Dimensional Emotion Recognition
par: Rajasekhar, G, et autres
Publié: (2024)
par: Rajasekhar, G, et autres
Publié: (2024)
Cs2K: Class-specific and Class-shared Knowledge Guidance for Incremental Semantic Segmentation
par: Cong, Wei, et autres
Publié: (2024)
par: Cong, Wei, et autres
Publié: (2024)
Detail-Enhanced Intra- and Inter-modal Interaction for Audio-Visual Emotion Recognition
par: Shi, Tong, et autres
Publié: (2024)
par: Shi, Tong, et autres
Publié: (2024)
FusionBERT: Multi-View Image-3D Retrieval via Cross-Attention Visual Fusion and Normal-Aware 3D Encoder
par: Li, Wei, et autres
Publié: (2026)
par: Li, Wei, et autres
Publié: (2026)
Hierarchical Augmentation and Distillation for Class Incremental Audio-Visual Video Recognition
par: Zuo, Yukun, et autres
Publié: (2024)
par: Zuo, Yukun, et autres
Publié: (2024)
RFPPO: Motion Dynamic RRT based Fluid Field - PPO for Dynamic TF/TA Routing Planning
par: Xue, Rongkun, et autres
Publié: (2024)
par: Xue, Rongkun, et autres
Publié: (2024)
When Eyes and Ears Disagree: Can MLLMs Discern Audio-Visual Confusion?
par: Ye, Qilang, et autres
Publié: (2025)
par: Ye, Qilang, et autres
Publié: (2025)
Contrastive Learning for Multimodal Human Activity Recognition with Limited Labeled Data
par: Jing, Long, et autres
Publié: (2026)
par: Jing, Long, et autres
Publié: (2026)
ConfusionBench: An Expert-Validated Benchmark for Confusion Recognition and Localization in Educational Videos
par: Dong, Lu, et autres
Publié: (2026)
par: Dong, Lu, et autres
Publié: (2026)
InterActHuman: Multi-Concept Human Animation with Layout-Aligned Audio Conditions
par: Wang, Zhenzhi, et autres
Publié: (2025)
par: Wang, Zhenzhi, et autres
Publié: (2025)
DTFSal: Audio-Visual Dynamic Token Fusion for Video Saliency Prediction
par: Hooshanfar, Kiana, et autres
Publié: (2025)
par: Hooshanfar, Kiana, et autres
Publié: (2025)
eMotions: A Large-Scale Dataset and Audio-Visual Fusion Network for Emotion Analysis in Short-form Videos
par: Wu, Xuecheng, et autres
Publié: (2025)
par: Wu, Xuecheng, et autres
Publié: (2025)
Vision Language Models for Dynamic Human Activity Recognition in Healthcare Settings
par: Abid, Abderrazek, et autres
Publié: (2025)
par: Abid, Abderrazek, et autres
Publié: (2025)
Dynamic Attention and Bi-directional Fusion for Safety Helmet Wearing Detection
par: Feng, Junwei, et autres
Publié: (2024)
par: Feng, Junwei, et autres
Publié: (2024)
Context-Aware Aerial Object Detection: Leveraging Inter-Object and Background Relationships
par: Ren, Botao, et autres
Publié: (2024)
par: Ren, Botao, et autres
Publié: (2024)
Understanding Open-Set Recognition by Jacobian Norm and Inter-Class Separation
par: Park, Jaewoo, et autres
Publié: (2022)
par: Park, Jaewoo, et autres
Publié: (2022)
Pretrained Reversible Generation as Unsupervised Visual Representation Learning
par: Xue, Rongkun, et autres
Publié: (2024)
par: Xue, Rongkun, et autres
Publié: (2024)
Dynamic Multi-Target Fusion for Efficient Audio-Visual Navigation
par: Yu, Yinfeng, et autres
Publié: (2025)
par: Yu, Yinfeng, et autres
Publié: (2025)
Noise-Tolerant Learning for Audio-Visual Action Recognition
par: Han, Haochen, et autres
Publié: (2022)
par: Han, Haochen, et autres
Publié: (2022)
The Comparability of Model Fusion to Measured Data in Confuser Rejection
par: Flynn, Conor, et autres
Publié: (2025)
par: Flynn, Conor, et autres
Publié: (2025)
DyCAF-Net: Dynamic Class-Aware Fusion Network
par: Jahin, Md Abrar, et autres
Publié: (2025)
par: Jahin, Md Abrar, et autres
Publié: (2025)
Fusion to Enhance: Fusion Visual Encoder to Enhance Multimodal Language Model
par: She, Yifei, et autres
Publié: (2025)
par: She, Yifei, et autres
Publié: (2025)
Efficient Audio-Visual Fusion for Video Classification
par: Awan, Mahrukh, et autres
Publié: (2024)
par: Awan, Mahrukh, et autres
Publié: (2024)
SpongeBob: Sync-Aware Harmonious Audio-Visual Generative Editing
par: Liang, Sen, et autres
Publié: (2026)
par: Liang, Sen, et autres
Publié: (2026)
Evaluating Attribute Confusion in Fashion Text-to-Image Generation
par: Liu, Ziyue, et autres
Publié: (2025)
par: Liu, Ziyue, et autres
Publié: (2025)
Cross Attentional Audio-Visual Fusion for Dimensional Emotion Recognition
par: Praveen, R. Gnana, et autres
Publié: (2021)
par: Praveen, R. Gnana, et autres
Publié: (2021)
Confidence-driven Gradient Modulation for Multimodal Human Activity Recognition: A Dynamic Contrastive Dual-Path Learning Approach
par: Ji, Panpan, et autres
Publié: (2025)
par: Ji, Panpan, et autres
Publié: (2025)
WiFi based Human Fall and Activity Recognition using Transformer based Encoder Decoder and Graph Neural Networks
par: Cho, Younggeol, et autres
Publié: (2025)
par: Cho, Younggeol, et autres
Publié: (2025)
Universal Incremental Learning: Mitigating Confusion from Inter- and Intra-task Distribution Randomness
par: Luo, Sheng, et autres
Publié: (2025)
par: Luo, Sheng, et autres
Publié: (2025)
ESG-Net: Event-Aware Semantic Guided Network for Dense Audio-Visual Event Localization
par: Li, Huilai, et autres
Publié: (2025)
par: Li, Huilai, et autres
Publié: (2025)
Class-Aware Mask-Guided Feature Refinement for Scene Text Recognition
par: Yang, Mingkun, et autres
Publié: (2024)
par: Yang, Mingkun, et autres
Publié: (2024)
AdaFedFR: Federated Face Recognition with Adaptive Inter-Class Representation Learning
par: Qiu, Di, et autres
Publié: (2024)
par: Qiu, Di, et autres
Publié: (2024)
AVT2-DWF: Improving Deepfake Detection with Audio-Visual Fusion and Dynamic Weighting Strategies
par: Wang, Rui, et autres
Publié: (2024)
par: Wang, Rui, et autres
Publié: (2024)
Attend-Fusion: Efficient Audio-Visual Fusion for Video Classification
par: Awan, Mahrukh, et autres
Publié: (2024)
par: Awan, Mahrukh, et autres
Publié: (2024)
Triple Spectral Fusion for Sensor-based Human Activity Recognition
par: Zhang, Ye, et autres
Publié: (2026)
par: Zhang, Ye, et autres
Publié: (2026)
FusionAgent: A Multimodal Agent with Dynamic Model Selection for Human Recognition
par: Zhu, Jie, et autres
Publié: (2026)
par: Zhu, Jie, et autres
Publié: (2026)
Uni-Encoder Meets Multi-Encoders: Representation Before Fusion for Brain Tumor Segmentation with Missing Modalities
par: Song, Peibo, et autres
Publié: (2026)
par: Song, Peibo, et autres
Publié: (2026)
From Visual to Multimodal: Systematic Ablation of Encoders and Fusion Strategies in Animal Identification
par: Kudryavtsev, Vasiliy, et autres
Publié: (2026)
par: Kudryavtsev, Vasiliy, et autres
Publié: (2026)
IDSelect: A RL-Based Cost-Aware Selection Agent for Video-based Multi-Modal Person Recognition
par: Ji, Yuyang, et autres
Publié: (2026)
par: Ji, Yuyang, et autres
Publié: (2026)
CLASP: Class-Adaptive Layer Fusion and Dual-Stage Pruning for Multimodal Large Language Models
par: Dang, Yunkai, et autres
Publié: (2026)
par: Dang, Yunkai, et autres
Publié: (2026)
Documents similaires
-
Inconsistency-Aware Cross-Attention for Audio-Visual Fusion in Dimensional Emotion Recognition
par: Rajasekhar, G, et autres
Publié: (2024) -
Cs2K: Class-specific and Class-shared Knowledge Guidance for Incremental Semantic Segmentation
par: Cong, Wei, et autres
Publié: (2024) -
Detail-Enhanced Intra- and Inter-modal Interaction for Audio-Visual Emotion Recognition
par: Shi, Tong, et autres
Publié: (2024) -
FusionBERT: Multi-View Image-3D Retrieval via Cross-Attention Visual Fusion and Normal-Aware 3D Encoder
par: Li, Wei, et autres
Publié: (2026) -
Hierarchical Augmentation and Distillation for Class Incremental Audio-Visual Video Recognition
par: Zuo, Yukun, et autres
Publié: (2024)