Buchumschlag

TalkVid: A Large-Scale Diversified Dataset for Audio-Driven Talking Head Synthesis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Shunian, Huang, Hejin, Liu, Yexin, Ye, Zihan, Chen, Pengcheng, Zhu, Chenghao, Guan, Michael, Wang, Rongsheng, Chen, Junying, Li, Guanbin, Lim, Ser-Nam, Yang, Harry, Wang, Benyou
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MedGen: Unlocking Medical Video Generation by Scaling Granularly-annotated Medical Videos
von: Wang, Rongsheng, et al.
Veröffentlicht: (2025)

ShareGPT-4o-Image: Aligning Multimodal Models with GPT-4o-Level Image Generation
von: Chen, Junying, et al.
Veröffentlicht: (2025)

Exploiting Temporal Audio-Visual Correlation Embedding for Audio-Driven One-Shot Talking Head Animation
von: Xu, Zhihua, et al.
Veröffentlicht: (2025)

GaussianHeadTalk: Wobble-Free 3D Talking Heads with Audio Driven Gaussian Splatting
von: Agarwal, Madhav, et al.
Veröffentlicht: (2025)

AlignVid: Training-Free Attention Scaling for Semantic Fidelity in Text-Guided Image-to-Video Generation
von: Liu, Yexin, et al.
Veröffentlicht: (2025)

EmoGene: Audio-Driven Emotional 3D Talking-Head Generation
von: Wang, Wenqing, et al.
Veröffentlicht: (2024)

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

Talking Head Generation Driven by Speech-Related Facial Action Units and Audio- Based on Multimodal Representation Fusion
von: Chen, Sen, et al.
Veröffentlicht: (2022)

LPIPS-AttnWav2Lip: Generic Audio-Driven lip synchronization for Talking Head Generation in the Wild
von: Chen, Zhipeng, et al.
Veröffentlicht: (2026)

Learning Frame-Wise Emotion Intensity for Audio-Driven Talking-Head Generation
von: Xu, Jingyi, et al.
Veröffentlicht: (2024)

Test-Time Self-Adaptive Conditioning for Stable Audio-Driven Talking-Head Generation
von: Zhang, Zhicheng, et al.
Veröffentlicht: (2026)

Audio-Visual Driven Compression for Low-Bitrate Talking Head Videos
von: Takahashi, Riku, et al.
Veröffentlicht: (2025)

MultiTalk: Enhancing 3D Talking Head Generation Across Languages with Multilingual Video Dataset
von: Sung-Bin, Kim, et al.
Veröffentlicht: (2024)

EGSTalker: Real-Time Audio-Driven Talking Head Generation with Efficient Gaussian Deformation
von: Zhu, Tianheng, et al.
Veröffentlicht: (2025)

SyncBreaker:Stage-Aware Multimodal Adversarial Attacks on Audio-Driven Talking Head Generation
von: Zhang, Wenli, et al.
Veröffentlicht: (2026)

AC-Foley: Reference-Audio-Guided Video-to-Audio Synthesis with Acoustic Transfer
von: Fang, Pengjun, et al.
Veröffentlicht: (2026)

PC-Talk: Precise Facial Animation Control for Audio-Driven Talking Face Generation
von: Wang, Baiqin, et al.
Veröffentlicht: (2025)

PointTalk: Audio-Driven Dynamic Lip Point Cloud for 3D Gaussian-based Talking Head Synthesis
von: Xie, Yifan, et al.
Veröffentlicht: (2024)

PoseTalk: Text-and-Audio-based Pose Control and Motion Refinement for One-Shot Talking Head Generation
von: Ling, Jun, et al.
Veröffentlicht: (2024)

Less is More: A Simple yet Effective Token Reduction Method for Efficient Multi-modal LLMs
von: Song, Dingjie, et al.
Veröffentlicht: (2024)

EmotiveTalk: Expressive Talking Head Generation through Audio Information Decoupling and Emotional Video Diffusion
von: Wang, Haotian, et al.
Veröffentlicht: (2024)

FaceTalk: Audio-Driven Motion Diffusion for Neural Parametric Head Models
von: Aneja, Shivangi, et al.
Veröffentlicht: (2023)

FusionAudio-1.2M: Towards Fine-grained Audio Captioning with Multimodal Contextual Fusion
von: Chen, Shunian, et al.
Veröffentlicht: (2025)

UniAvatar: Taming Lifelike Audio-Driven Talking Head Generation with Comprehensive Motion and Lighting Control
von: Sun, Wenzhang, et al.
Veröffentlicht: (2024)

RealTalk: Realistic Emotion-Aware Lifelike Talking-Head Synthesis
von: Wang, Wenqing, et al.
Veröffentlicht: (2025)

Beyond Generation: Unlocking Universal Editing via Self-Supervised Fine-Tuning
von: Chen, Harold Haodong, et al.
Veröffentlicht: (2024)

Dimitra: Audio-driven Diffusion model for Expressive Talking Head Generation
von: Chopin, Baptiste, et al.
Veröffentlicht: (2025)

EvA: An Evidence-First Audio Understanding Paradigm for LALMs
von: Xie, Xinyuan, et al.
Veröffentlicht: (2026)

Monocular and Generalizable Gaussian Talking Head Animation
von: Gong, Shengjie, et al.
Veröffentlicht: (2025)

EditYourself: Audio-Driven Generation and Manipulation of Talking Head Videos with Diffusion Transformers
von: Flynn, John, et al.
Veröffentlicht: (2026)

TurboTalk: Progressive Distillation for One-Step Audio-Driven Talking Avatar Generation
von: Liu, Xiangyu, et al.
Veröffentlicht: (2026)

OT-Talk: Animating 3D Talking Head with Optimal Transportation
von: Wang, Xinmu, et al.
Veröffentlicht: (2025)

MicroVerse: A Preliminary Exploration Toward a Micro-World Simulation
von: Wang, Rongsheng, et al.
Veröffentlicht: (2026)

Dual Audio-Centric Modality Coupling for Talking Head Generation
von: Fu, Ao, et al.
Veröffentlicht: (2025)

SyncTalk: The Devil is in the Synchronization for Talking Head Synthesis
von: Peng, Ziqiao, et al.
Veröffentlicht: (2023)

GSTalker: Real-time Audio-Driven Talking Face Generation via Deformable Gaussian Splatting
von: Chen, Bo, et al.
Veröffentlicht: (2024)

LokiTalk: Learning Fine-Grained and Generalizable Correspondences to Enhance NeRF-based Talking Head Synthesis
von: Li, Tianqi, et al.
Veröffentlicht: (2024)

TalkVerse: Democratizing Minute-Long Audio-Driven Video Generation
von: Wang, Zhenzhi, et al.
Veröffentlicht: (2025)

Humans or LLMs as the Judge? A Study on Judgement Biases
von: Chen, Guiming Hardy, et al.
Veröffentlicht: (2024)

DreamTalk: When Emotional Talking Head Generation Meets Diffusion Probabilistic Models
von: Ma, Yifeng, et al.
Veröffentlicht: (2023)