Real-Time Audio-Visual Speech Enhancement Using Pre-trained Visual Representations
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Ma, T. Aleksandra, Yin, Sile, Yang, Li-Chia, Zhang, Shuo |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Real-Time System for Audio-Visual Target Speech Enhancement
par: Ma, T. Aleksandra, et autres
Publié: (2025)
par: Ma, T. Aleksandra, et autres
Publié: (2025)
ImmerseDiffusion: A Generative Spatial Audio Latent Diffusion Model
par: Heydari, Mojtaba, et autres
Publié: (2024)
par: Heydari, Mojtaba, et autres
Publié: (2024)
IoT-based Noise Monitoring using Mobile Nodes for Smart Cities
par: Manthina, Bhima Sankar, et autres
Publié: (2025)
par: Manthina, Bhima Sankar, et autres
Publié: (2025)
Quantum Fourier Transform Based Denoising: Unitary Filtering for Enhanced Speech Clarity
par: Tripathi, Rajeshwar, et autres
Publié: (2025)
par: Tripathi, Rajeshwar, et autres
Publié: (2025)
NEUROSEC: FPGA-Based Neuromorphic Audio Security
par: Isik, Murat, et autres
Publié: (2024)
par: Isik, Murat, et autres
Publié: (2024)
Bridging The Multi-Modality Gaps of Audio, Visual and Linguistic for Speech Enhancement
par: Lin, Meng-Ping, et autres
Publié: (2025)
par: Lin, Meng-Ping, et autres
Publié: (2025)
Spike Encoding for Environmental Sound: A Comparative Benchmark
par: Larroza, Andres, et autres
Publié: (2025)
par: Larroza, Andres, et autres
Publié: (2025)
Acoustic Anomaly Detection on UAM Propeller Defect with Acoustic dataset for Crack of drone Propeller (ADCP)
par: Lee, Juho, et autres
Publié: (2025)
par: Lee, Juho, et autres
Publié: (2025)
EgoTrigger: Toward Audio-Driven Image Capture for Human Memory Enhancement in All-Day Energy-Efficient Smart Glasses
par: Paruchuri, Akshay, et autres
Publié: (2025)
par: Paruchuri, Akshay, et autres
Publié: (2025)
An ambient denoising method based on multi-channel non-negative matrix factorization for wheezing detection
par: Muñoz-Montoro, Antonio J., et autres
Publié: (2024)
par: Muñoz-Montoro, Antonio J., et autres
Publié: (2024)
AcousAF: Acoustic Sensing-Based Atrial Fibrillation Detection System for Mobile Phones
par: Liu, Xuanyu, et autres
Publié: (2024)
par: Liu, Xuanyu, et autres
Publié: (2024)
Scalable Frameworks for Real-World Audio-Visual Speech Recognition
par: Kim, Sungnyun
Publié: (2025)
par: Kim, Sungnyun
Publié: (2025)
Purification Before Fusion: Toward Mask-Free Speech Enhancement for Robust Audio-Visual Speech Recognition
par: Wu, Linzhi, et autres
Publié: (2026)
par: Wu, Linzhi, et autres
Publié: (2026)
Multi-Task Corrupted Prediction for Learning Robust Audio-Visual Speech Representation
par: Kim, Sungnyun, et autres
Publié: (2025)
par: Kim, Sungnyun, et autres
Publié: (2025)
Diffusion-Based Unsupervised Audio-Visual Speech Separation in Noisy Environments with Noise Prior
par: Yemini, Yochai, et autres
Publié: (2025)
par: Yemini, Yochai, et autres
Publié: (2025)
Pre-training Feature Guided Diffusion Model for Speech Enhancement
par: Yang, Yiyuan, et autres
Publié: (2024)
par: Yang, Yiyuan, et autres
Publié: (2024)
Techniques for Quantum-Computing-Aided Algorithmic Composition: Experiments in Rhythm, Timbre, Harmony, and Space
par: Dobrian, Christopher, et autres
Publié: (2025)
par: Dobrian, Christopher, et autres
Publié: (2025)
Intro to Quantum Harmony: Chords in Superposition
par: Dobrian, Christopher, et autres
Publié: (2024)
par: Dobrian, Christopher, et autres
Publié: (2024)
Audio-Visual Speech Enhancement for Spatial Audio - Spatial-VisualVoice and the MAVE Database
par: Yaffe, Danielle, et autres
Publié: (2025)
par: Yaffe, Danielle, et autres
Publié: (2025)
SSNAPS: Audio-Visual Separation of Speech and Background Noise with Diffusion Inverse Sampling
par: Yemini, Yochai, et autres
Publié: (2026)
par: Yemini, Yochai, et autres
Publié: (2026)
High-Fidelity Speech Enhancement via Discrete Audio Tokens
par: Lanzendörfer, Luca A., et autres
Publié: (2025)
par: Lanzendörfer, Luca A., et autres
Publié: (2025)
Towards Sub-millisecond Latency Real-Time Speech Enhancement Models on Hearables
par: Dementyev, Artem, et autres
Publié: (2024)
par: Dementyev, Artem, et autres
Publié: (2024)
Improving snore detection under limited dataset through harmonic/percussive source separation and convolutional neural networks
par: Gonzalez-Martinez, F. D., et autres
Publié: (2024)
par: Gonzalez-Martinez, F. D., et autres
Publié: (2024)
Test-Time Training for Speech Enhancement
par: Behera, Avishkar, et autres
Publié: (2025)
par: Behera, Avishkar, et autres
Publié: (2025)
LSTMSE-Net: Long Short Term Speech Enhancement Network for Audio-visual Speech Enhancement
par: Jain, Arnav, et autres
Publié: (2024)
par: Jain, Arnav, et autres
Publié: (2024)
Tracking Listener Attention: Gaze-Guided Audio-Visual Speech Enhancement Framework
par: Yang, Hsiang-Cheng, et autres
Publié: (2026)
par: Yang, Hsiang-Cheng, et autres
Publié: (2026)
Speech Enhancement Using Continuous Embeddings of Neural Audio Codec
par: Li, Haoyang, et autres
Publié: (2025)
par: Li, Haoyang, et autres
Publié: (2025)
MoHAVE: Mixture of Hierarchical Audio-Visual Experts for Robust Speech Recognition
par: Kim, Sungnyun, et autres
Publié: (2025)
par: Kim, Sungnyun, et autres
Publié: (2025)
Audio-Visual Feature Synchronization for Robust Speech Enhancement in Hearing Aids
par: Saleem, Nasir, et autres
Publié: (2025)
par: Saleem, Nasir, et autres
Publié: (2025)
An Enhanced Audio Feature Tailored for Anomalous Sound Detection Based on Pre-trained Models
par: Zhong, Guirui, et autres
Publié: (2025)
par: Zhong, Guirui, et autres
Publié: (2025)
aTENNuate: Optimized Real-time Speech Enhancement with Deep SSMs on Raw Audio
par: Pei, Yan Ru, et autres
Publié: (2024)
par: Pei, Yan Ru, et autres
Publié: (2024)
Monaural Speech Enhancement with Complex Convolutional Block Attention Module and Joint Time Frequency Losses
par: Zhao, Shengkui, et autres
Publié: (2021)
par: Zhao, Shengkui, et autres
Publié: (2021)
Efficient Adapter Tuning of Pre-trained Speech Models for Automatic Speaker Verification
par: Sang, Mufan, et autres
Publié: (2024)
par: Sang, Mufan, et autres
Publié: (2024)
Two Heads Are Better Than One: Audio-Visual Speech Error Correction with Dual Hypotheses
par: Kim, Sungnyun, et autres
Publié: (2025)
par: Kim, Sungnyun, et autres
Publié: (2025)
Incorporating Linguistic Constraints from External Knowledge Source for Audio-Visual Target Speech Extraction
par: Wu, Wenxuan, et autres
Publié: (2025)
par: Wu, Wenxuan, et autres
Publié: (2025)
Towards Audio Codec-based Speech Separation
par: Yip, Jia Qi, et autres
Publié: (2024)
par: Yip, Jia Qi, et autres
Publié: (2024)
Predictive-Generative Drift Decomposition for Speech Enhancement and Separation
par: Richter, Julius, et autres
Publié: (2026)
par: Richter, Julius, et autres
Publié: (2026)
Leveraging Mamba with Full-Face Vision for Audio-Visual Speech Enhancement
par: Chao, Rong, et autres
Publié: (2025)
par: Chao, Rong, et autres
Publié: (2025)
Overview of the L3DAS23 Challenge on Audio-Visual Extended Reality
par: Marinoni, Christian, et autres
Publié: (2024)
par: Marinoni, Christian, et autres
Publié: (2024)
Generative Pre-training for Speech with Flow Matching
par: Liu, Alexander H., et autres
Publié: (2023)
par: Liu, Alexander H., et autres
Publié: (2023)
Documents similaires
-
Real-Time System for Audio-Visual Target Speech Enhancement
par: Ma, T. Aleksandra, et autres
Publié: (2025) -
ImmerseDiffusion: A Generative Spatial Audio Latent Diffusion Model
par: Heydari, Mojtaba, et autres
Publié: (2024) -
IoT-based Noise Monitoring using Mobile Nodes for Smart Cities
par: Manthina, Bhima Sankar, et autres
Publié: (2025) -
Quantum Fourier Transform Based Denoising: Unitary Filtering for Enhanced Speech Clarity
par: Tripathi, Rajeshwar, et autres
Publié: (2025) -
NEUROSEC: FPGA-Based Neuromorphic Audio Security
par: Isik, Murat, et autres
Publié: (2024)