Copertina

Region-Specific Audio Tagging for Spatial Sound

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhao, Jinzheng, Xu, Yong, Liu, Haohe, Berghi, Davide, Qian, Xinyuan, Kong, Qiuqiang, Zhao, Junqi, Plumbley, Mark D., Wang, Wenwu
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Audio and Speech Processing Sound
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Universal Sound Separation with Self-Supervised Audio Masked Autoencoder
di: Zhao, Junqi, et al.
Pubblicazione: (2024)

AudioTurbo: Fast Text-to-Audio Generation with Rectified Diffusion
di: Zhao, Junqi, et al.
Pubblicazione: (2025)

Learning Temporal Resolution in Spectrogram for Audio Classification
di: Liu, Haohe, et al.
Pubblicazione: (2022)

Text-Queried Target Sound Event Localization
di: Zhao, Jinzheng, et al.
Pubblicazione: (2024)

Audio-Visual Speaker Tracking: Progress, Challenges, and Future Directions
di: Zhao, Jinzheng, et al.
Pubblicazione: (2023)

Efficient Audio Captioning with Encoder-Level Knowledge Distillation
di: Xu, Xuenan, et al.
Pubblicazione: (2024)

FlowSep: Language-Queried Sound Separation with Rectified Flow Matching
di: Yuan, Yi, et al.
Pubblicazione: (2024)

Exploring the User Experience of AI-Assisted Sound Searching Systems for Creative Workflows
di: Liu, Haohe, et al.
Pubblicazione: (2025)

WavCaps: A ChatGPT-Assisted Weakly-Labelled Audio Captioning Dataset for Audio-Language Multimodal Research
di: Mei, Xinhao, et al.
Pubblicazione: (2023)

Leveraging Pre-trained AudioLDM for Sound Generation: A Benchmark Study
di: Yuan, Yi, et al.
Pubblicazione: (2023)

SemantiCodec: An Ultra Low Bitrate Semantic Audio Codec for General Sound
di: Liu, Haohe, et al.
Pubblicazione: (2024)

Audio-Visual Talker Localization in Video for Spatial Sound Reproduction
di: Berghi, Davide, et al.
Pubblicazione: (2024)

AudioLDM 2: Learning Holistic Audio Generation with Self-supervised Pretraining
di: Liu, Haohe, et al.
Pubblicazione: (2023)

Selective-Memory Meta-Learning with Environment Representations for Sound Event Localization and Detection
di: Hu, Jinbo, et al.
Pubblicazione: (2023)

Retrieval-Augmented Text-to-Audio Generation
di: Yuan, Yi, et al.
Pubblicazione: (2023)

DreamAudio: Customized Text-to-Audio Generation with Diffusion Models
di: Yuan, Yi, et al.
Pubblicazione: (2025)

EnvSDD: Benchmarking Environmental Sound Deepfake Detection
di: Yin, Han, et al.
Pubblicazione: (2025)

Separate Anything You Describe
di: Liu, Xubo, et al.
Pubblicazione: (2023)

Reverberation-based Features for Sound Event Localization and Detection with Distance Estimation
di: Berghi, Davide, et al.
Pubblicazione: (2025)

Fish Tracking, Counting, and Behaviour Analysis in Digital Aquaculture: A Comprehensive Survey
di: Cui, Meng, et al.
Pubblicazione: (2024)

First-Shot Unsupervised Anomalous Sound Detection With Unknown Anomalies Estimated by Metadata-Assisted Audio Generation
di: Zhang, Hejing, et al.
Pubblicazione: (2023)

SyncFlow: Toward Temporally Aligned Joint Audio-Video Generation from Text
di: Liu, Haohe, et al.
Pubblicazione: (2024)

Inference-time Scaling for Diffusion-based Audio Super-resolution
di: Jin, Yizhu, et al.
Pubblicazione: (2025)

The Sounds of Home: A Speech-Removed Residential Audio Dataset for Sound Event Detection
di: Bibbó, Gabriel, et al.
Pubblicazione: (2024)

Integrating IP Broadcasting with Audio Tags: Workflow and Challenges
di: Burchett-Vass, Rhys, et al.
Pubblicazione: (2024)

Sound-VECaps: Improving Audio Generation with Visual Enhanced Captions
di: Yuan, Yi, et al.
Pubblicazione: (2024)

AudioSpa: Spatializing Sound Events with Text
di: Feng, Linfeng, et al.
Pubblicazione: (2025)

Zero-Shot Audio Captioning Using Soft and Hard Prompts
di: Zhang, Yiming, et al.
Pubblicazione: (2024)

Robust Audio Tagging under Class-wise Supervision Unreliability
di: Hou, Yuanbo, et al.
Pubblicazione: (2026)

Music Source Restoration
di: Zang, Yongyi, et al.
Pubblicazione: (2025)

PSELDNets: Pre-trained Neural Networks on a Large-scale Synthetic Dataset for Sound Event Localization and Detection
di: Hu, Jinbo, et al.
Pubblicazione: (2024)

T-CLAP: Temporal-Enhanced Contrastive Language-Audio Pretraining
di: Yuan, Yi, et al.
Pubblicazione: (2024)

SemanticAudio: Audio Generation and Editing in Semantic Space
di: Dai, Zheqi, et al.
Pubblicazione: (2026)

Language-Queried Target Sound Extraction Without Parallel Training Data
di: Ma, Hao, et al.
Pubblicazione: (2024)

MelTok: 2D Tokenization for Single-Codebook Audio Compression
di: Li, Jingyi, et al.
Pubblicazione: (2025)

Towards Generating Diverse Audio Captions via Adversarial Training
di: Mei, Xinhao, et al.
Pubblicazione: (2022)

WavCraft: Audio Editing and Generation with Large Language Models
di: Liang, Jinhua, et al.
Pubblicazione: (2024)

WTFormer: A Wavelet Conformer Network for MIMO Speech Enhancement with Spatial Cues Peservation
di: Han, Lu, et al.
Pubblicazione: (2025)

Streaming Audio Transformers for Online Audio Tagging
di: Dinkel, Heinrich, et al.
Pubblicazione: (2023)

Universal Spatial Audio Transcoder
di: Sagasti, Amaia, et al.
Pubblicazione: (2024)