Scalable Audio-Visual Masked Autoencoders for Efficient Affective Video Facial Analysis
Fuente:
arXiv
Salvato in:
| Autori principali: | Wu, Xuecheng, Xue, Junxiao, Yin, Xinyi, Shi, Yunyun, Fu, Liangyu, Huang, Danlei, Wang, Yifan, Zhang, Jia, Nie, Jiayu, Wang, Jun |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
3A-YOLO: New Real-Time Object Detectors with Triple Discriminative Awareness and Coordinated Representations
di: Wu, Xuecheng, et al.
Pubblicazione: (2024)
di: Wu, Xuecheng, et al.
Pubblicazione: (2024)
eMotions: A Large-Scale Dataset and Audio-Visual Fusion Network for Emotion Analysis in Short-form Videos
di: Wu, Xuecheng, et al.
Pubblicazione: (2025)
di: Wu, Xuecheng, et al.
Pubblicazione: (2025)
AD-AVSR: Asymmetric Dual-stream Enhancement for Robust Audio-Visual Speech Recognition
di: Xue, Junxiao, et al.
Pubblicazione: (2025)
di: Xue, Junxiao, et al.
Pubblicazione: (2025)
FAMNet: Integrating 2D and 3D Features for Micro-expression Recognition via Multi-task Learning and Hierarchical Attention
di: Fu, Liangyu, et al.
Pubblicazione: (2025)
di: Fu, Liangyu, et al.
Pubblicazione: (2025)
MooD: Perception-Enhanced Efficient Affective Image Editing via Continuous Valence-Arousal Modeling
di: Yin, Xinyi, et al.
Pubblicazione: (2026)
di: Yin, Xinyi, et al.
Pubblicazione: (2026)
TACR-YOLO: A Real-time Detection Framework for Abnormal Human Behaviors Enhanced with Coordinate and Task-Aware Representations
di: Yin, Xinyi, et al.
Pubblicazione: (2025)
di: Yin, Xinyi, et al.
Pubblicazione: (2025)
HOLA: Enhancing Audio-visual Deepfake Detection via Hierarchical Contextual Aggregations and Efficient Pre-training
di: Wu, Xuecheng, et al.
Pubblicazione: (2025)
di: Wu, Xuecheng, et al.
Pubblicazione: (2025)
Affective Video Content Analysis: Decade Review and New Perspectives
di: Xue, Junxiao, et al.
Pubblicazione: (2023)
di: Xue, Junxiao, et al.
Pubblicazione: (2023)
FED-Bench: A Cross-Granular Benchmark for Disentangled Evaluation of Facial Expression Editing
di: Xue, Fengjian, et al.
Pubblicazione: (2026)
di: Xue, Fengjian, et al.
Pubblicazione: (2026)
AeroRAG: Structured Multimodal Retrieval-Augmented LLM for Fine-Grained Aerial Visual Reasoning
di: Xue, Junxiao, et al.
Pubblicazione: (2026)
di: Xue, Junxiao, et al.
Pubblicazione: (2026)
AIM-Bench: Benchmarking and Improving Affective Image Manipulation via Fine-Grained Hierarchical Control
di: Chen, Shi, et al.
Pubblicazione: (2026)
di: Chen, Shi, et al.
Pubblicazione: (2026)
Disentangling Hardness from Noise: An Uncertainty-Driven Model-Agnostic Framework for Long-Tailed Remote Sensing Classification
di: Ding, Chi, et al.
Pubblicazione: (2026)
di: Ding, Chi, et al.
Pubblicazione: (2026)
ViC-Bench: Benchmarking Visual-Interleaved Chain-of-Thought Capability in MLLMs with Free-Style Intermediate State Representations
di: Wu, Xuecheng, et al.
Pubblicazione: (2025)
di: Wu, Xuecheng, et al.
Pubblicazione: (2025)
Towards Emotion Analysis in Short-form Videos: A Large-Scale Dataset and Baseline
di: Wu, Xuecheng, et al.
Pubblicazione: (2023)
di: Wu, Xuecheng, et al.
Pubblicazione: (2023)
InfoSyncNet: Information Synchronization Temporal Convolutional Network for Visual Speech Recognition
di: Xue, Junxiao, et al.
Pubblicazione: (2025)
di: Xue, Junxiao, et al.
Pubblicazione: (2025)
AudioRWKV: Efficient and Stable Bidirectional RWKV for Audio Pattern Recognition
di: Xiong, Jiayu, et al.
Pubblicazione: (2025)
di: Xiong, Jiayu, 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)
EPIR: An Efficient Patch Tokenization, Integration and Representation Framework for Micro-expression Recognition
di: Wang, Junbo, et al.
Pubblicazione: (2026)
di: Wang, Junbo, et al.
Pubblicazione: (2026)
A Trustworthy Method for Multimodal Emotion Recognition
di: Xue, Junxiao, et al.
Pubblicazione: (2025)
di: Xue, Junxiao, et al.
Pubblicazione: (2025)
RePose: A Real-Time 3D Human Pose Estimation and Biomechanical Analysis Framework for Rehabilitation
di: Xue, Junxiao, et al.
Pubblicazione: (2026)
di: Xue, Junxiao, et al.
Pubblicazione: (2026)
Text-Guided Video Masked Autoencoder
di: Fan, David, et al.
Pubblicazione: (2024)
di: Fan, David, et al.
Pubblicazione: (2024)
AV-DiT: Efficient Audio-Visual Diffusion Transformer for Joint Audio and Video Generation
di: Wang, Kai, et al.
Pubblicazione: (2024)
di: Wang, Kai, et al.
Pubblicazione: (2024)
Trusted Fake Audio Detection Based on Dirichlet Distribution
di: Ding, Chi, et al.
Pubblicazione: (2025)
di: Ding, Chi, et al.
Pubblicazione: (2025)
DiffVC: A Non-autoregressive Framework Based on Diffusion Model for Video Captioning
di: Wang, Junbo, et al.
Pubblicazione: (2026)
di: Wang, Junbo, et al.
Pubblicazione: (2026)
Rethinking Patch Dependence for Masked Autoencoders
di: Fu, Letian, et al.
Pubblicazione: (2024)
di: Fu, Letian, et al.
Pubblicazione: (2024)
FGSVQA: Frequency-Guided Short-form Video Quality Assessment
di: Wang, Xinyi, et al.
Pubblicazione: (2026)
di: Wang, Xinyi, et al.
Pubblicazione: (2026)
Universal Sound Separation with Self-Supervised Audio Masked Autoencoder
di: Zhao, Junqi, et al.
Pubblicazione: (2024)
di: Zhao, Junqi, et al.
Pubblicazione: (2024)
End4: End-to-end Denoising Diffusion for Diffusion-Based Inpainting Detection
di: Wang, Fei, et al.
Pubblicazione: (2025)
di: Wang, Fei, et al.
Pubblicazione: (2025)
Facial Affective Behavior Analysis with Instruction Tuning
di: Li, Yifan, et al.
Pubblicazione: (2024)
di: Li, Yifan, et al.
Pubblicazione: (2024)
Recurrent Video Masked Autoencoders
di: Zoran, Daniel, et al.
Pubblicazione: (2025)
di: Zoran, Daniel, et al.
Pubblicazione: (2025)
CAMP-VQA: Caption-Embedded Multimodal Perception for No-Reference Quality Assessment of Compressed Video
di: Wang, Xinyi, et al.
Pubblicazione: (2025)
di: Wang, Xinyi, et al.
Pubblicazione: (2025)
Emotic Masked Autoencoder with Attention Fusion for Facial Expression Recognition
di: Nguyen-Xuan, Bach, et al.
Pubblicazione: (2024)
di: Nguyen-Xuan, Bach, et al.
Pubblicazione: (2024)
Hierarchical Semantic Correlation-Aware Masked Autoencoder for Unsupervised Audio-Visual Representation Learning
di: Zeng, Donghuo, et al.
Pubblicazione: (2026)
di: Zeng, Donghuo, et al.
Pubblicazione: (2026)
ZO2: Scalable Zeroth-Order Fine-Tuning for Extremely Large Language Models with Limited GPU Memory
di: Wang, Liangyu, et al.
Pubblicazione: (2025)
di: Wang, Liangyu, et al.
Pubblicazione: (2025)
Masked Autoencoders for Microscopy are Scalable Learners of Cellular Biology
di: Kraus, Oren, et al.
Pubblicazione: (2024)
di: Kraus, Oren, et al.
Pubblicazione: (2024)
FlashDP: Private Training Large Language Models with Efficient DP-SGD
di: Wang, Liangyu, et al.
Pubblicazione: (2025)
di: Wang, Liangyu, et al.
Pubblicazione: (2025)
Viewpoint Matters: Dynamically Optimizing Viewpoints with Masked Autoencoder for Visual Manipulation
di: Yi, Pengfei, et al.
Pubblicazione: (2026)
di: Yi, Pengfei, et al.
Pubblicazione: (2026)
Efficient Masked Autoencoders with Self-Consistency
di: Li, Zhaowen, et al.
Pubblicazione: (2023)
di: Li, Zhaowen, et al.
Pubblicazione: (2023)
Where to Mask: Structure-Guided Masking for Graph Masked Autoencoders
di: Liu, Chuang, et al.
Pubblicazione: (2024)
di: Liu, Chuang, et al.
Pubblicazione: (2024)
Unveiling Visual Biases in Audio-Visual Localization Benchmarks
di: Chen, Liangyu, et al.
Pubblicazione: (2024)
di: Chen, Liangyu, et al.
Pubblicazione: (2024)
Documenti analoghi
-
3A-YOLO: New Real-Time Object Detectors with Triple Discriminative Awareness and Coordinated Representations
di: Wu, Xuecheng, et al.
Pubblicazione: (2024) -
eMotions: A Large-Scale Dataset and Audio-Visual Fusion Network for Emotion Analysis in Short-form Videos
di: Wu, Xuecheng, et al.
Pubblicazione: (2025) -
AD-AVSR: Asymmetric Dual-stream Enhancement for Robust Audio-Visual Speech Recognition
di: Xue, Junxiao, et al.
Pubblicazione: (2025) -
FAMNet: Integrating 2D and 3D Features for Micro-expression Recognition via Multi-task Learning and Hierarchical Attention
di: Fu, Liangyu, et al.
Pubblicazione: (2025) -
MooD: Perception-Enhanced Efficient Affective Image Editing via Continuous Valence-Arousal Modeling
di: Yin, Xinyi, et al.
Pubblicazione: (2026)