Buchumschlag

PhyAVBench: A Challenging Audio Physics-Sensitivity Benchmark for Physically Grounded Text-to-Audio-Video Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xie, Tianxin, Lei, Wentao, Jiang, Kai, Huang, Guanjie, Zhang, Pengfei, Zhang, Chunhui, Ma, Fengji, He, Haoyu, Zhang, Han, He, Jiangshan, Wang, Jinting, Fang, Linghan, Gao, Lufei, Ablet, Orkesh, Zhang, Peihua, Hu, Ruolin, Li, Shengyu, Lin, Weilin, Feng, Xiaoyang, Yang, Xinyue, Rong, Yan, Wang, Yanyun, Shao, Zihang, Zhao, Zelin, Li, Chenxing, Yang, Shan, Wang, Wenfu, Yu, Meng, Yu, Dong, Liu, Li
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Sound Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Audio-DeepThinker: Progressive Reasoning-Aware Reinforcement Learning for High-Quality Chain-of-Thought Emergence in Audio Language Models
von: He, Xiang, et al.
Veröffentlicht: (2026)

Audio-Thinker: Guiding Audio Language Model When and How to Think via Reinforcement Learning
von: Wu, Shu, et al.
Veröffentlicht: (2025)

Boosting ASR Robustness via Test-Time Reinforcement Learning with Audio-Text Semantic Rewards
von: Fang, Linghan, et al.
Veröffentlicht: (2026)

A Comprehensive Survey on Human Video Generation: Challenges, Methods, and Insights
von: Lei, Wentao, et al.
Veröffentlicht: (2024)

VCB Bench: An Evaluation Benchmark for Audio-Grounded Large Language Model Conversational Agents
von: Hu, Jiliang, et al.
Veröffentlicht: (2025)

DegDiT: Controllable Audio Generation with Dynamic Event Graph Guided Diffusion Transformer
von: Liu, Yisu, et al.
Veröffentlicht: (2025)

SemanticVocoder: Bridging Audio Generation and Audio Understanding via Semantic Latents
von: Xie, Zeyu, et al.
Veröffentlicht: (2026)

AVBench: Human-Aligned and Automated Evaluation Benchmark for Audio-Video Generative Models
von: Yang, Jialiang, et al.
Veröffentlicht: (2026)

GACA-DiT: Diffusion-based Dance-to-Music Generation with Genre-Adaptive Rhythm and Context-Aware Alignment
von: Wang, Jinting, et al.
Veröffentlicht: (2025)

JointAVBench: A Benchmark for Joint Audio-Visual Reasoning Evaluation
von: Chao, Jianghan, et al.
Veröffentlicht: (2025)

EzAudio: Enhancing Text-to-Audio Generation with Efficient Diffusion Transformer
von: Hai, Jiarui, et al.
Veröffentlicht: (2024)

SRC-gAudio: Sampling-Rate-Controlled Audio Generation
von: Li, Chenxing, et al.
Veröffentlicht: (2024)

AG-REPA: Causal Layer Selection for Representation Alignment in Audio Flow Matching
von: Zhang, Pengfei, et al.
Veröffentlicht: (2026)

When Audio Generators Become Good Listeners: Generative Features for Understanding Tasks
von: Xie, Zeyu, et al.
Veröffentlicht: (2025)

The Impact of Audio Watermarking on Audio Anti-Spoofing Countermeasures
von: Zhang, Zhenshan, et al.
Veröffentlicht: (2025)

AudioRAG+: Feedback-driven Retrieval-augmented Audio Generation with Large Audio Language Models
von: Zhao, Junqi, et al.
Veröffentlicht: (2025)

Covo-Audio Technical Report
von: Wang, Wenfu, et al.
Veröffentlicht: (2026)

AudioGenie-Reasoner: A Training-Free Multi-Agent Framework for Coarse-to-Fine Audio Deep Reasoning
von: Rong, Yan, et al.
Veröffentlicht: (2025)

AudioMarathon: A Comprehensive Benchmark for Long-Context Audio Understanding and Efficiency in Audio LLMs
von: He, Peize, et al.
Veröffentlicht: (2025)

AudioRAG: A Challenging Benchmark for Audio Reasoning and Information Retrieval
von: Lin, Jingru, et al.
Veröffentlicht: (2026)

Tora3: Trajectory-Guided Audio-Video Generation with Physical Coherence
von: Liao, Junchao, et al.
Veröffentlicht: (2026)

Jointly Recognizing Speech and Singing Voices Based on Multi-Task Audio Source Separation
von: Bai, Ye, et al.
Veröffentlicht: (2024)

PhiP-G: Physics-Guided Text-to-3D Compositional Scene Generation
von: Li, Qixuan, et al.
Veröffentlicht: (2025)

AudioGenie: A Training-Free Multi-Agent Framework for Diverse Multimodality-to-Multiaudio Generation
von: Rong, Yan, et al.
Veröffentlicht: (2025)

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

UniCUE: Unified Recognition and Generation Framework for Chinese Cued Speech Video-to-Speech Generation
von: Wang, Jinting, et al.
Veröffentlicht: (2025)

PhyDetEx: Detecting and Explaining the Physical Plausibility of T2V Models
von: Wang, Zeqing, et al.
Veröffentlicht: (2025)

Audio Deepfake Verification
von: Wang, Li, et al.
Veröffentlicht: (2025)

ChronosAudio: A Comprehensive Long-Audio Benchmark for Evaluating Audio-Large Language Models
von: Luo, Kaiwen, et al.
Veröffentlicht: (2026)

Complex Image-Generative Diffusion Transformer for Audio Denoising
von: Li, Junhui, et al.
Veröffentlicht: (2024)

Diffusion Gaussian Mixture Audio Denoise
von: Wang, Pu, et al.
Veröffentlicht: (2024)

Integrating Artificial Intelligence into Operating Systems: A Survey on Techniques, Applications, and Future Directions
von: Zhang, Yifan, et al.
Veröffentlicht: (2024)

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

AudioKV: KV Cache Eviction in Efficient Large Audio Language Models
von: Wang, Yuxuan, et al.
Veröffentlicht: (2026)

PhyRPR: Training-Free Physics-Constrained Video Generation
von: Zhao, Yibo, et al.
Veröffentlicht: (2026)

Representation-Regularized Convolutional Audio Transformer for Audio Understanding
von: Han, Bing, et al.
Veröffentlicht: (2026)

Phy2-ExposNet: A Physics-Informed Neural Network for EMF Exposure Mapping in Complex Urban Environments
von: Li, Shuangning, et al.
Veröffentlicht: (2026)

ProPhy: Progressive Physical Alignment for Dynamic World Simulation
von: Wang, Zijun, et al.
Veröffentlicht: (2025)

Enhancing Automated Audio Captioning via Large Language Models with Optimized Audio Encoding
von: Liu, Jizhong, et al.
Veröffentlicht: (2024)

To Stay or to Bypass: Unraveling Mainline Vehicles' Aggregate Strategic Decision-Making at Highway Weaving Ramps
von: He, Haohui, et al.
Veröffentlicht: (2025)