Buchumschlag

Clink! Chop! Thud! -- Learning Object Sounds from Real-World Interactions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Mengyu, Chen, Yiming, Pei, Haozheng, Agarwal, Siddhant, Vasudevan, Arun Balajee, Hays, James
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

HOI-Ref: Hand-Object Interaction Referral in Egocentric Vision
von: Bansal, Siddhant, et al.
Veröffentlicht: (2024)

Reconstructing Objects along Hand Interaction Timelines in Egocentric Video
von: Zhu, Zhifan, et al.
Veröffentlicht: (2025)

ICTPolarReal: A Polarized Reflection and Material Dataset of Real World Objects
von: Yang, Jing, et al.
Veröffentlicht: (2026)

Live Interactive Training for Video Segmentation
von: Yang, Xinyu, et al.
Veröffentlicht: (2026)

RGBD Objects in the Wild: Scaling Real-World 3D Object Learning from RGB-D Videos
von: Xia, Hongchi, et al.
Veröffentlicht: (2024)

WorldAct: Activating Monolithic 3D Worlds into Interactive-Ready Object-Centric Scenes
von: Hu, Jichen, et al.
Veröffentlicht: (2026)

Self-Supervised Learning for Real-World Object Detection: a Survey
von: Ciocarlan, Alina, et al.
Veröffentlicht: (2024)

Learning Object-Centric Representations Based on Slots in Real World Scenarios
von: Akan, Adil Kaan
Veröffentlicht: (2025)

Streamlining the Development of Active Learning Methods in Real-World Object Detection
von: Sbeyti, Moussa Kassem, et al.
Veröffentlicht: (2025)

Physics-Informed Learning of Characteristic Trajectories for Smoke Reconstruction
von: Wang, Yiming, et al.
Veröffentlicht: (2024)

OAT: Object-Level Attention Transformer for Gaze Scanpath Prediction
von: Fang, Yini, et al.
Veröffentlicht: (2024)

Chimera: Compositional Image Generation using Part-based Concepting
von: Singh, Shivam, et al.
Veröffentlicht: (2025)

Open World Object Detection: A Survey
von: Li, Yiming, et al.
Veröffentlicht: (2024)

Hearing Hands: Generating Sounds from Physical Interactions in 3D Scenes
von: Dou, Yiming, et al.
Veröffentlicht: (2025)

Benchmarking Object Detectors under Real-World Distribution Shifts in Satellite Imagery
von: Al-Emadi, Sara, et al.
Veröffentlicht: (2025)

WorldCraft: From Camera Navigation to Object Manipulation in Interactive Video World Models
von: Gu, Bohai, et al.
Veröffentlicht: (2026)

Open-World Human-Object Interaction Detection via Multi-modal Prompts
von: Yang, Jie, et al.
Veröffentlicht: (2024)

TrackDeform3D: Markerless and Autonomous 3D Keypoint Tracking and Dataset Collection for Deformable Objects
von: Zong, Yeheng, et al.
Veröffentlicht: (2026)

IntrinsicReal: Adapting IntrinsicAnything from Synthetic to Real Objects
von: Wei, Xiaokang, et al.
Veröffentlicht: (2025)

YOLO-World: Real-Time Open-Vocabulary Object Detection
von: Cheng, Tianheng, et al.
Veröffentlicht: (2024)

SDVPT: Semantic-Driven Visual Prompt Tuning for Open-World Object Counting
von: Zhao, Yiming, et al.
Veröffentlicht: (2025)

LOME: Learning Human-Object Manipulation with Action-Conditioned Egocentric World Model
von: Gao, Quankai, et al.
Veröffentlicht: (2026)

CIS-BA: Continuous Interaction Space Based Backdoor Attack for Object Detection in the Real-World
von: Zhao, Shuxin, et al.
Veröffentlicht: (2025)

XWOD: A Real-World Benchmark for Object Detection under Extreme Weather Conditions
von: Chen, Chih-Hsin, et al.
Veröffentlicht: (2026)

PhyEdit: Towards Real-World Object Manipulation via Physically-Grounded Image Editing
von: Xu, Ruihang, et al.
Veröffentlicht: (2026)

TUMTraf EMOT: Event-Based Multi-Object Tracking Dataset and Baseline for Traffic Scenarios
von: Li, Mengyu, et al.
Veröffentlicht: (2025)

Beyond Pixels: Text Enhances Generalization in Real-World Image Restoration
von: Sun, Haoze, et al.
Veröffentlicht: (2024)

Towards Generalizable Deepfake Detection with Spatial-Frequency Collaborative Learning and Hierarchical Cross-Modal Fusion
von: Qiao, Mengyu, et al.
Veröffentlicht: (2025)

POV: Prompt-Oriented View-Agnostic Learning for Egocentric Hand-Object Interaction in the Multi-View World
von: Xu, Boshen, et al.
Veröffentlicht: (2024)

OpenHOI: Open-World Hand-Object Interaction Synthesis with Multimodal Large Language Model
von: Zhang, Zhenhao, et al.
Veröffentlicht: (2025)

EgoExoLearn: A Dataset for Bridging Asynchronous Ego- and Exo-centric View of Procedural Activities in Real World
von: Huang, Yifei, et al.
Veröffentlicht: (2024)

Where Do Vision-Language Models Fail? World Scale Analysis for Image Geolocalization
von: Bharadwaj, Siddhant, et al.
Veröffentlicht: (2026)

InteractAnything: Zero-shot Human Object Interaction Synthesis via LLM Feedback and Object Affordance Parsing
von: Zhang, Jinlu, et al.
Veröffentlicht: (2025)

ClickTrack: Towards Real-time Interactive Single Object Tracking
von: Wang, Kuiran, et al.
Veröffentlicht: (2024)

Matrix-Game 3.0: Real-Time and Streaming Interactive World Model with Long-Horizon Memory
von: Wang, Zile, et al.
Veröffentlicht: (2026)

Objects With Lighting: A Real-World Dataset for Evaluating Reconstruction and Rendering for Object Relighting
von: Ummenhofer, Benjamin, et al.
Veröffentlicht: (2024)

Learning Human-Object Interaction as Groups
von: Hong, Jiajun, et al.
Veröffentlicht: (2025)

Single-Slice-to-3D Reconstruction in Medical Imaging and Natural Objects: A Comparative Benchmark with SAM 3D
von: Luo, Yan, et al.
Veröffentlicht: (2026)

Object-Centric Learning for Real-World Videos by Predicting Temporal Feature Similarities
von: Zadaianchuk, Andrii, et al.
Veröffentlicht: (2023)

World Models for Learning Dexterous Hand-Object Interactions from Human Videos
von: Goswami, Raktim Gautam, et al.
Veröffentlicht: (2025)