Copertina

Cross-Attention with Confidence Weighting for Multi-Channel Audio Alignment

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Nihal, Ragib Amin, Yen, Benjamin, Ashizawa, Takeshi, Nakadai, Kazuhiro
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Sound Artificial Intelligence Machine Learning Audio and Speech Processing
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Weakly Supervised Detection and Temporal Localization of Whale Calls in Long-Duration Bioacoustic Data
di: Nihal, Ragib Amin, et al.
Pubblicazione: (2025)

Single-Channel Target Speech Extraction Utilizing Distance and Room Clues
di: Shi, Runwu, et al.
Pubblicazione: (2025)

Unsupervised Single-Channel Audio Separation with Diffusion Source Priors
di: Shi, Runwu, et al.
Pubblicazione: (2025)

Distance Based Single-Channel Target Speech Extraction
di: Shi, Runwu, et al.
Pubblicazione: (2024)

Ecologically-Constrained Task Arithmetic for Multi-Taxa Bioacoustic Classifiers Without Shared Data
di: Nihal, Ragib Amin, et al.
Pubblicazione: (2026)

XAttnMark: Learning Robust Audio Watermarking with Cross-Attention
di: Liu, Yixin, et al.
Pubblicazione: (2025)

Training-Free Multi-Step Audio Source Separation
di: Zang, Yongyi, et al.
Pubblicazione: (2025)

HyWA: Hypernetwork Weight Adapting Personalized Voice Activity Detection
di: Nejad, Mahsa Ghazvini, et al.
Pubblicazione: (2025)

Guiding Audio Editing with Audio Language Model
di: Lan, Zitong, et al.
Pubblicazione: (2025)

Multi-Metric Preference Alignment for Generative Speech Restoration
di: Zhang, Junan, et al.
Pubblicazione: (2025)

Enhanced Speech Emotion Recognition with Efficient Channel Attention Guided Deep CNN-BiLSTM Framework
di: Kundu, Niloy Kumar, et al.
Pubblicazione: (2024)

AudioGenX: Explainability on Text-to-Audio Generative Models
di: Kang, Hyunju, et al.
Pubblicazione: (2025)

MLCA-AVSR: Multi-Layer Cross Attention Fusion based Audio-Visual Speech Recognition
di: Wang, He, et al.
Pubblicazione: (2024)

Lightweight Joint Audio-Visual Deepfake Detection via Single-Stream Multi-Modal Learning Framework
di: Zhang, Kuiyuan, et al.
Pubblicazione: (2025)

From Alignment to Advancement: Bootstrapping Audio-Language Alignment with Synthetic Data
di: Kuan, Chun-Yi, et al.
Pubblicazione: (2025)

HEAR: Holistic Evaluation of Audio Representations
di: Turian, Joseph, et al.
Pubblicazione: (2022)

DeepGB-TB: A Risk-Balanced Cross-Attention Gradient-Boosted Convolutional Network for Rapid, Interpretable Tuberculosis Screening
di: Lu, Zhixiang, et al.
Pubblicazione: (2025)

Learning Source Disentanglement in Neural Audio Codec
di: Bie, Xiaoyu, et al.
Pubblicazione: (2024)

TACNET: Temporal Audio Source Counting Network
di: Ahmadnejad, Amirreza, et al.
Pubblicazione: (2023)

AQAScore: Evaluating Semantic Alignment in Text-to-Audio Generation via Audio Question Answering
di: Kuan, Chun-Yi, et al.
Pubblicazione: (2026)

Exploring and Applying Audio-Based Sentiment Analysis in Music
di: Jhanji, Etash
Pubblicazione: (2024)

Prompt-guided Precise Audio Editing with Diffusion Models
di: Xu, Manjie, et al.
Pubblicazione: (2024)

On Temporal Guidance and Iterative Refinement in Audio Source Separation
di: Morocutti, Tobias, et al.
Pubblicazione: (2025)

Leveraging Whisper Embeddings for Audio-based Lyrics Matching
di: Mancini, Eleonora, et al.
Pubblicazione: (2025)

Audio-Based Pedestrian Detection in the Presence of Vehicular Noise
di: Kim, Yonghyun, et al.
Pubblicazione: (2025)

A Survey of Deep Learning Audio Generation Methods
di: Božić, Matej, et al.
Pubblicazione: (2024)

Benchmarking Language Modeling for Lossless Compression of Full-Fidelity Audio
di: Long, Phillip, et al.
Pubblicazione: (2026)

Learning Linearity in Audio Consistency Autoencoders via Implicit Regularization
di: Torres, Bernardo, et al.
Pubblicazione: (2025)

Text-Queried Audio Source Separation via Hierarchical Modeling
di: Yin, Xinlei, et al.
Pubblicazione: (2025)

Sparse Autoencoders Make Audio Foundation Models more Explainable
di: Mariotte, Théo, et al.
Pubblicazione: (2025)

PoDAR: Power-Disentangled Audio Representation for Generative Modeling
di: Luebs, Alejandro, et al.
Pubblicazione: (2026)

Evaluating Fake Music Detection Performance Under Audio Augmentations
di: Sroka, Tomasz, et al.
Pubblicazione: (2025)

NatureLM-audio: an Audio-Language Foundation Model for Bioacoustics
di: Robinson, David, et al.
Pubblicazione: (2024)

Speech Enhancement Using Continuous Embeddings of Neural Audio Codec
di: Li, Haoyang, et al.
Pubblicazione: (2025)

DARNet: Dual Attention Refinement Network with Spatiotemporal Construction for Auditory Attention Detection
di: Yan, Sheng, et al.
Pubblicazione: (2024)

SSLAM: Enhancing Self-Supervised Models with Audio Mixtures for Polyphonic Soundscapes
di: Alex, Tony, et al.
Pubblicazione: (2025)

CoDiCodec: Unifying Continuous and Discrete Compressed Representations of Audio
di: Pasini, Marco, et al.
Pubblicazione: (2025)

KAD: No More FAD! An Effective and Efficient Evaluation Metric for Audio Generation
di: Chung, Yoonjin, et al.
Pubblicazione: (2025)

Thinking While Listening: Simple Test Time Scaling For Audio Classification
di: Verma, Prateek, et al.
Pubblicazione: (2025)

Open-Amp: Synthetic Data Framework for Audio Effect Foundation Models
di: Wright, Alec, et al.
Pubblicazione: (2024)