Enregistré dans:
| Auteurs principaux: | Juanola, Xavier, Morais, Giovana, Fuentes, Magdalena, Haro, Gloria |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2508.21761 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
A Critical Assessment of Visual Sound Source Localization Models Including Negative Audio
par: Juanola, Xavier, et autres
Publié: (2024)
par: Juanola, Xavier, et autres
Publié: (2024)
Learning to Visually Localize Sound Sources from Mixtures without Prior Source Knowledge
par: Kim, Dongjin, et autres
Publié: (2024)
par: Kim, Dongjin, et autres
Publié: (2024)
Aligning Sight and Sound: Advanced Sound Source Localization Through Audio-Visual Alignment
par: Senocak, Arda, et autres
Publié: (2024)
par: Senocak, Arda, et autres
Publié: (2024)
Noise-Tolerant Learning for Audio-Visual Action Recognition
par: Han, Haochen, et autres
Publié: (2022)
par: Han, Haochen, et autres
Publié: (2022)
SoccerHigh: A Benchmark Dataset for Automatic Soccer Video Summarization
par: Díaz-Juan, Artur, et autres
Publié: (2025)
par: Díaz-Juan, Artur, et autres
Publié: (2025)
Prompting Segmentation with Sound Is Generalizable Audio-Visual Source Localizer
par: Wang, Yaoting, et autres
Publié: (2023)
par: Wang, Yaoting, et autres
Publié: (2023)
Patch-level Sounding Object Tracking for Audio-Visual Question Answering
par: Li, Zhangbin, et autres
Publié: (2024)
par: Li, Zhangbin, et autres
Publié: (2024)
Towards Open-Vocabulary Audio-Visual Event Localization
par: Zhou, Jinxing, et autres
Publié: (2024)
par: Zhou, Jinxing, et autres
Publié: (2024)
Audio-Visual World Models: Towards Multisensory Imagination in Sight and Sound
par: Wang, Jiahua, et autres
Publié: (2025)
par: Wang, Jiahua, et autres
Publié: (2025)
SemiPL: A Semi-supervised Method for Event Sound Source Localization
par: Li, Yue, et autres
Publié: (2024)
par: Li, Yue, et autres
Publié: (2024)
SeeingSounds: Learning Audio-to-Visual Alignment via Text
par: Carnemolla, Simone, et autres
Publié: (2025)
par: Carnemolla, Simone, et autres
Publié: (2025)
TRIP: Temporal Residual Learning with Image Noise Prior for Image-to-Video Diffusion Models
par: Zhang, Zhongwei, et autres
Publié: (2024)
par: Zhang, Zhongwei, et autres
Publié: (2024)
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)
Learning Brain Representation with Hierarchical Visual Embeddings
par: Zheng, Jiawen, et autres
Publié: (2026)
par: Zheng, Jiawen, et autres
Publié: (2026)
AV-Edit: Multimodal Generative Sound Effect Editing via Audio-Visual Semantic Joint Control
par: Guo, Xinyue, et autres
Publié: (2025)
par: Guo, Xinyue, et autres
Publié: (2025)
SoundLoc3D: Invisible 3D Sound Source Localization and Classification Using a Multimodal RGB-D Acoustic Camera
par: He, Yuhang, et autres
Publié: (2024)
par: He, Yuhang, et autres
Publié: (2024)
Cross Pseudo-Labeling for Semi-Supervised Audio-Visual Source Localization
par: Guo, Yuxin, et autres
Publié: (2024)
par: Guo, Yuxin, et autres
Publié: (2024)
SoundVista: Novel-View Ambient Sound Synthesis via Visual-Acoustic Binding
par: Chen, Mingfei, et autres
Publié: (2025)
par: Chen, Mingfei, et autres
Publié: (2025)
Hybrid Local-Global Context Learning for Neural Video Compression
par: Zhai, Yongqi, et autres
Publié: (2024)
par: Zhai, Yongqi, et autres
Publié: (2024)
Learning Self-Supervised Audio-Visual Representations for Sound Recommendations
par: Krishnamurthy, Sudha
Publié: (2024)
par: Krishnamurthy, Sudha
Publié: (2024)
Instruction-Grounded Visual Projectors for Continual Learning of Generative Vision-Language Models
par: Jin, Hyundong, et autres
Publié: (2025)
par: Jin, Hyundong, et autres
Publié: (2025)
Multi-scale Multi-instance Visual Sound Localization and Segmentation
par: Mo, Shentong, et autres
Publié: (2024)
par: Mo, Shentong, et autres
Publié: (2024)
Learning Contrastive Self-Distillation for Ultra-Fine-Grained Visual Categorization Targeting Limited Samples
par: Fang, Ziye, et autres
Publié: (2023)
par: Fang, Ziye, et autres
Publié: (2023)
MultiSoundGen: Video-to-Audio Generation for Multi-Event Scenarios via SlowFast Contrastive Audio-Visual Pretraining and Direct Preference Optimization
par: Yang, Jianxuan, et autres
Publié: (2025)
par: Yang, Jianxuan, et autres
Publié: (2025)
Context-aware TFL: A Universal Context-aware Contrastive Learning Framework for Temporal Forgery Localization
par: Yin, Qilin, et autres
Publié: (2025)
par: Yin, Qilin, et autres
Publié: (2025)
Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation
par: Liu, Xiaofeng, et autres
Publié: (2023)
par: Liu, Xiaofeng, et autres
Publié: (2023)
FreeEnhance: Tuning-Free Image Enhancement via Content-Consistent Noising-and-Denoising Process
par: Luo, Yang, et autres
Publié: (2024)
par: Luo, Yang, et autres
Publié: (2024)
MindTuner: Cross-Subject Visual Decoding with Visual Fingerprint and Semantic Correction
par: Gong, Zixuan, et autres
Publié: (2024)
par: Gong, Zixuan, et autres
Publié: (2024)
PathVLM-R1: A Reinforcement Learning-Driven Reasoning Model for Pathology Visual-Language Tasks
par: Wu, Jianyu, et autres
Publié: (2025)
par: Wu, Jianyu, et autres
Publié: (2025)
PixCLIP: Achieving Fine-grained Visual Language Understanding via Any-granularity Pixel-Text Alignment Learning
par: Xiao, Yicheng, et autres
Publié: (2025)
par: Xiao, Yicheng, et autres
Publié: (2025)
Causal Debiasing for Visual Commonsense Reasoning
par: Zou, Jiayi, et autres
Publié: (2025)
par: Zou, Jiayi, et autres
Publié: (2025)
A Simple Task-aware Contrastive Local Descriptor Selection Strategy for Few-shot Learning between inter class and intra class
par: Qiao, Qian, et autres
Publié: (2024)
par: Qiao, Qian, et autres
Publié: (2024)
Visual question answering: from early developments to recent advances -- a survey
par: Huynh, Ngoc Dung, et autres
Publié: (2025)
par: Huynh, Ngoc Dung, et autres
Publié: (2025)
TOL: Textual Localization with OpenStreetMap
par: Liao, Youqi, et autres
Publié: (2026)
par: Liao, Youqi, et autres
Publié: (2026)
Local Neighborhood Features for 3D Classification
par: Sheshappanavar, Shivanand Venkanna, et autres
Publié: (2022)
par: Sheshappanavar, Shivanand Venkanna, et autres
Publié: (2022)
Extending Visual Dynamics for Video-to-Music Generation
par: Liu, Xiaohao, et autres
Publié: (2025)
par: Liu, Xiaohao, et autres
Publié: (2025)
Visual Grounding with Multi-modal Conditional Adaptation
par: Yao, Ruilin, et autres
Publié: (2024)
par: Yao, Ruilin, et autres
Publié: (2024)
Language-Guided Diffusion Model for Visual Grounding
par: Chen, Sijia, et autres
Publié: (2023)
par: Chen, Sijia, et autres
Publié: (2023)
ASAP: Advancing Semantic Alignment Promotes Multi-Modal Manipulation Detecting and Grounding
par: Zhang, Zhenxing, et autres
Publié: (2024)
par: Zhang, Zhenxing, et autres
Publié: (2024)
What's Making That Sound Right Now? Video-centric Audio-Visual Localization
par: Choi, Hahyeon, et autres
Publié: (2025)
par: Choi, Hahyeon, et autres
Publié: (2025)
Documents similaires
-
A Critical Assessment of Visual Sound Source Localization Models Including Negative Audio
par: Juanola, Xavier, et autres
Publié: (2024) -
Learning to Visually Localize Sound Sources from Mixtures without Prior Source Knowledge
par: Kim, Dongjin, et autres
Publié: (2024) -
Aligning Sight and Sound: Advanced Sound Source Localization Through Audio-Visual Alignment
par: Senocak, Arda, et autres
Publié: (2024) -
Noise-Tolerant Learning for Audio-Visual Action Recognition
par: Han, Haochen, et autres
Publié: (2022) -
SoccerHigh: A Benchmark Dataset for Automatic Soccer Video Summarization
par: Díaz-Juan, Artur, et autres
Publié: (2025)