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