Robust Residual Finite Scalar Quantization for Neural Compression
Fuente:
arXiv
Salvato in:
| Autori principali: | Zhu, Xiaoxu, Yu, Xiaojie, Yao, Guangchao, Ren, Yiming, Li, Baoxiang |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
AKVSR: Audio Knowledge Empowered Visual Speech Recognition by Compressing Audio Knowledge of a Pretrained Model
di: Yeo, Jeong Hun, et al.
Pubblicazione: (2023)
di: Yeo, Jeong Hun, et al.
Pubblicazione: (2023)
Expression Prompt Collaboration Transformer for Universal Referring Video Object Segmentation
di: Chen, Jiajun, et al.
Pubblicazione: (2023)
di: Chen, Jiajun, et al.
Pubblicazione: (2023)
Adaptive Multimodal Person Recognition: A Robust Framework for Handling Missing Modalities
di: Farhadipour, Aref, et al.
Pubblicazione: (2025)
di: Farhadipour, Aref, et al.
Pubblicazione: (2025)
Language-Guided Contrastive Audio-Visual Masked Autoencoder with Automatically Generated Audio-Visual-Text Triplets from Videos
di: Ishikawa, Yuchi, et al.
Pubblicazione: (2025)
di: Ishikawa, Yuchi, et al.
Pubblicazione: (2025)
Event2Audio: Event-Based Optical Vibration Sensing
di: Cai, Mingxuan, et al.
Pubblicazione: (2025)
di: Cai, Mingxuan, et al.
Pubblicazione: (2025)
Listening without Looking: Modality Bias in Audio-Visual Captioning
di: Ishikawa, Yuchi, et al.
Pubblicazione: (2025)
di: Ishikawa, Yuchi, et al.
Pubblicazione: (2025)
Learned Compression for Compressed Learning
di: Jacobellis, Dan, et al.
Pubblicazione: (2024)
di: Jacobellis, Dan, et al.
Pubblicazione: (2024)
EchoTrack: Auditory Referring Multi-Object Tracking for Autonomous Driving
di: Lin, Jiacheng, et al.
Pubblicazione: (2024)
di: Lin, Jiacheng, et al.
Pubblicazione: (2024)
PrismAudio: Decomposed Chain-of-Thoughts and Multi-dimensional Rewards for Video-to-Audio Generation
di: Liu, Huadai, et al.
Pubblicazione: (2025)
di: Liu, Huadai, et al.
Pubblicazione: (2025)
Localizing Audio-Visual Deepfakes via Hierarchical Boundary Modeling
di: Chen, Xuanjun, et al.
Pubblicazione: (2025)
di: Chen, Xuanjun, et al.
Pubblicazione: (2025)
Towards Inclusive Communication: A Unified Framework for Generating Spoken Language from Sign, Lip, and Audio
di: Yeo, Jeong Hun, et al.
Pubblicazione: (2025)
di: Yeo, Jeong Hun, et al.
Pubblicazione: (2025)
Cross Attentional Audio-Visual Fusion for Dimensional Emotion Recognition
di: Praveen, R. Gnana, et al.
Pubblicazione: (2021)
di: Praveen, R. Gnana, et al.
Pubblicazione: (2021)
Sound Source Localization for Spatial Mapping of Surgical Actions in Dynamic Scenes
di: Hein, Jonas, et al.
Pubblicazione: (2025)
di: Hein, Jonas, et al.
Pubblicazione: (2025)
Speech2rtMRI: Speech-Guided Diffusion Model for Real-time MRI Video of the Vocal Tract during Speech
di: Nguyen, Hong, et al.
Pubblicazione: (2024)
di: Nguyen, Hong, et al.
Pubblicazione: (2024)
Machine Perceptual Quality: Evaluating the Impact of Severe Lossy Compression on Audio and Image Models
di: Jacobellis, Dan, et al.
Pubblicazione: (2024)
di: Jacobellis, Dan, et al.
Pubblicazione: (2024)
Speech motion anomaly detection via cross-modal translation of 4D motion fields from tagged MRI
di: Liu, Xiaofeng, et al.
Pubblicazione: (2024)
di: Liu, Xiaofeng, et al.
Pubblicazione: (2024)
Artificial Intelligence for Cochlear Implants: Review of Strategies, Challenges, and Perspectives
di: Essaid, Billel, et al.
Pubblicazione: (2024)
di: Essaid, Billel, et al.
Pubblicazione: (2024)
Where Visual Speech Meets Language: VSP-LLM Framework for Efficient and Context-Aware Visual Speech Processing
di: Yeo, Jeong Hun, et al.
Pubblicazione: (2024)
di: Yeo, Jeong Hun, et al.
Pubblicazione: (2024)
Personalized Lip Reading: Adapting to Your Unique Lip Movements with Vision and Language
di: Yeo, Jeong Hun, et al.
Pubblicazione: (2024)
di: Yeo, Jeong Hun, et al.
Pubblicazione: (2024)
Stereo Sound Event Localization and Detection with Onscreen/offscreen Classification
di: Shimada, Kazuki, et al.
Pubblicazione: (2025)
di: Shimada, Kazuki, et al.
Pubblicazione: (2025)
Two Web Toolkits for Multimodal Piano Performance Dataset Acquisition and Fingering Annotation
di: Park, Junhyung, et al.
Pubblicazione: (2025)
di: Park, Junhyung, et al.
Pubblicazione: (2025)
TAVID: Text-Driven Audio-Visual Interactive Dialogue Generation
di: Kim, Ji-Hoon, et al.
Pubblicazione: (2025)
di: Kim, Ji-Hoon, et al.
Pubblicazione: (2025)
Out-Of-Distribution Detection for Audio-visual Generalized Zero-Shot Learning: A General Framework
di: Wen, Liuyuan
Pubblicazione: (2024)
di: Wen, Liuyuan
Pubblicazione: (2024)
StyleTalker: One-shot Style-based Audio-driven Talking Head Video Generation
di: Min, Dongchan, et al.
Pubblicazione: (2022)
di: Min, Dongchan, et al.
Pubblicazione: (2022)
Circumventing shortcuts in audio-visual deepfake detection datasets with unsupervised learning
di: Smeu, Stefan, et al.
Pubblicazione: (2024)
di: Smeu, Stefan, et al.
Pubblicazione: (2024)
Spectral Bottleneck in Sinusoidal Representation Networks: Noise is All You Need
di: Chandravamsi, Hemanth, et al.
Pubblicazione: (2025)
di: Chandravamsi, Hemanth, et al.
Pubblicazione: (2025)
Faces that Speak: Jointly Synthesising Talking Face and Speech from Text
di: Jang, Youngjoon, et al.
Pubblicazione: (2024)
di: Jang, Youngjoon, et al.
Pubblicazione: (2024)
Exploring Phonetic Context-Aware Lip-Sync For Talking Face Generation
di: Park, Se Jin, et al.
Pubblicazione: (2023)
di: Park, Se Jin, et al.
Pubblicazione: (2023)
Detection of Auditory Brainstem Response Peaks Using Image Processing Techniques in Infants with Normal Hearing Sensitivity
di: Majidpour, Amir, et al.
Pubblicazione: (2024)
di: Majidpour, Amir, et al.
Pubblicazione: (2024)
Lip Reading for Low-resource Languages by Learning and Combining General Speech Knowledge and Language-specific Knowledge
di: Kim, Minsu, et al.
Pubblicazione: (2023)
di: Kim, Minsu, et al.
Pubblicazione: (2023)
Prompt Tuning of Deep Neural Networks for Speaker-adaptive Visual Speech Recognition
di: Kim, Minsu, et al.
Pubblicazione: (2023)
di: Kim, Minsu, et al.
Pubblicazione: (2023)
Enhancing Real-World Active Speaker Detection with Multi-Modal Extraction Pre-Training
di: Tao, Ruijie, et al.
Pubblicazione: (2024)
di: Tao, Ruijie, et al.
Pubblicazione: (2024)
DLIOS: An LLM-Augmented Real-Time Multi-Modal Interactive Enhancement Overlay System for Douyin Live Streaming
di: Wen, Shuide, et al.
Pubblicazione: (2026)
di: Wen, Shuide, et al.
Pubblicazione: (2026)
Ola: Pushing the Frontiers of Omni-Modal Language Model
di: Liu, Zuyan, et al.
Pubblicazione: (2025)
di: Liu, Zuyan, et al.
Pubblicazione: (2025)
Audio-Visual Approach For Multimodal Concurrent Speaker Detection
di: Eliav, Amit, et al.
Pubblicazione: (2024)
di: Eliav, Amit, et al.
Pubblicazione: (2024)
BUT System Description for CHiME-9 MCoRec Challenge
di: Klement, Dominik, et al.
Pubblicazione: (2026)
di: Klement, Dominik, et al.
Pubblicazione: (2026)
Listening for "You": Enhancing Speech Image Retrieval via Target Speaker Extraction
di: Yang, Wenhao, et al.
Pubblicazione: (2025)
di: Yang, Wenhao, et al.
Pubblicazione: (2025)
Bounds on Agreement between Subjective and Objective Measurements
di: Pieper, Jaden, et al.
Pubblicazione: (2026)
di: Pieper, Jaden, et al.
Pubblicazione: (2026)
Improvement Of Audiovisual Quality Estimation Using A Nonlinear Autoregressive Exogenous Neural Network And Bitstream Parameters
di: Kossi, Koffi, et al.
Pubblicazione: (2024)
di: Kossi, Koffi, et al.
Pubblicazione: (2024)
Multimodal sensor fusion for real-time location-dependent defect detection in laser-directed energy deposition
di: Chen, Lequn, et al.
Pubblicazione: (2023)
di: Chen, Lequn, et al.
Pubblicazione: (2023)
Documenti analoghi
-
AKVSR: Audio Knowledge Empowered Visual Speech Recognition by Compressing Audio Knowledge of a Pretrained Model
di: Yeo, Jeong Hun, et al.
Pubblicazione: (2023) -
Expression Prompt Collaboration Transformer for Universal Referring Video Object Segmentation
di: Chen, Jiajun, et al.
Pubblicazione: (2023) -
Adaptive Multimodal Person Recognition: A Robust Framework for Handling Missing Modalities
di: Farhadipour, Aref, et al.
Pubblicazione: (2025) -
Language-Guided Contrastive Audio-Visual Masked Autoencoder with Automatically Generated Audio-Visual-Text Triplets from Videos
di: Ishikawa, Yuchi, et al.
Pubblicazione: (2025) -
Event2Audio: Event-Based Optical Vibration Sensing
di: Cai, Mingxuan, et al.
Pubblicazione: (2025)