Copertina

VerLM: Explaining Face Verification Using Natural Language

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Hannan, Syed Abdul, Bukhari, Hazim, Cantalapiedra, Thomas, Ansar, Eman, Baali, Massa, Singh, Rita, Raj, Bhiksha
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

DELULU: Discriminative Embedding Learning Using Latent Units for Speaker-Aware Self-Trained Speech Foundational Model
di: Baali, Massa, et al.
Pubblicazione: (2025)

CAARMA: Class Augmentation with Adversarial Mixup Regularization
di: Baali, Massa, et al.
Pubblicazione: (2025)

What and When to Learn: CURriculum Ranking Loss for Large-Scale Speaker Verification
di: Baali, Massa, et al.
Pubblicazione: (2026)

Improving Speaker Representations Using Contrastive Losses on Multi-scale Features
di: Dixit, Satvik, et al.
Pubblicazione: (2024)

CoLMbo: Speaker Language Model for Descriptive Profiling
di: Baali, Massa, et al.
Pubblicazione: (2025)

PDAF: A Phonetic Debiasing Attention Framework For Speaker Verification
di: Baali, Massa, et al.
Pubblicazione: (2024)

SVeritas: Benchmark for Robust Speaker Verification under Diverse Conditions
di: Baali, Massa, et al.
Pubblicazione: (2025)

SELM: Enhancing Speech Emotion Recognition for Out-of-Domain Scenarios
di: Bukhari, Hazim, et al.
Pubblicazione: (2024)

Audio Language Model for Deepfake Detection Grounded in Acoustic Chain-of-Thought
di: Chen, Runkun, et al.
Pubblicazione: (2026)

Audio Entailment: Assessing Deductive Reasoning for Audio Understanding
di: Deshmukh, Soham, et al.
Pubblicazione: (2024)

RFOP: Rethinking Fusion and Orthogonal Projection for Face-Voice Association
di: Hannan, Abdul, et al.
Pubblicazione: (2025)

ADIFF: Explaining audio difference using natural language
di: Deshmukh, Soham, et al.
Pubblicazione: (2025)

ADIFF: Explaining audio difference using natural language
di: Deshmukh, Soham, et al.
Pubblicazione: (2025)

Human Voice is Unique
di: Singh, Rita, et al.
Pubblicazione: (2025)

Domain Adaptation for Contrastive Audio-Language Models
di: Deshmukh, Soham, et al.
Pubblicazione: (2024)

Assessing the Use of Face Swapping Methods as Face Anonymizers in Videos
di: Muştu, Mustafa İzzet, et al.
Pubblicazione: (2025)

Impact of Face Alignment on Face Image Quality
di: Onaran, Eren, et al.
Pubblicazione: (2024)

On the Robust Approximation of ASR Metrics
di: Waheed, Abdul, et al.
Pubblicazione: (2025)

What Do Speech Foundation Models Not Learn About Speech?
di: Waheed, Abdul, et al.
Pubblicazione: (2024)

Analyzing the Effect of Combined Degradations on Face Recognition
di: Sarıtaş, Erdi, et al.
Pubblicazione: (2024)

Analyzing the Feature Extractor Networks for Face Image Synthesis
di: Sarıtaş, Erdi, et al.
Pubblicazione: (2024)

Employing Vision-Language Models for Face Image Quality Assessment
di: Sarıtaş, Erdi, et al.
Pubblicazione: (2026)

Real-time Traffic Object Detection for Autonomous Driving
di: Khan, Abdul Hannan, et al.
Pubblicazione: (2024)

VideoJudge: Bootstrapping Enables Scalable Supervision of MLLM-as-a-Judge for Video Understanding
di: Waheed, Abdul, et al.
Pubblicazione: (2025)

QDFormer: Towards Robust Audiovisual Segmentation in Complex Environments with Quantization-based Semantic Decomposition
di: Li, Xiang, et al.
Pubblicazione: (2023)

ControlVAR: Exploring Controllable Visual Autoregressive Modeling
di: Li, Xiang, et al.
Pubblicazione: (2024)

Lost in Transcription, Found in Distribution Shift: Demystifying Hallucination in Speech Foundation Models
di: Atwany, Hanin, et al.
Pubblicazione: (2025)

FaceScore: Benchmarking and Enhancing Face Quality in Human Generation
di: Liao, Zhenyi, et al.
Pubblicazione: (2024)

Facial Attribute Based Text Guided Face Anonymization
di: Muştu, Mustafa İzzet, et al.
Pubblicazione: (2025)

PAEFF: Precise Alignment and Enhanced Gated Feature Fusion for Face-Voice Association
di: Hannan, Abdul, et al.
Pubblicazione: (2025)

ED-SAM: An Efficient Diffusion Sampling Approach to Domain Generalization in Vision-Language Foundation Models
di: Truong, Thanh-Dat, et al.
Pubblicazione: (2024)

oTTC: Object Time-to-Contact for Motion Estimation in Autonomous Driving
di: Khan, Abdul Hannan, et al.
Pubblicazione: (2024)

Bias-Aware Face Mask Detection Dataset
di: Kantarcı, Alperen, et al.
Pubblicazione: (2022)

$\text{R}^2$-Bench: Benchmarking the Robustness of Referring Perception Models under Perturbations
di: Li, Xiang, et al.
Pubblicazione: (2024)

Input Conditioned Layer Dropping in Speech Foundation Models
di: Hannan, Abdul, et al.
Pubblicazione: (2025)

Audio-driven Talking Face Generation with Stabilized Synchronization Loss
di: Yaman, Dogucan, et al.
Pubblicazione: (2023)

Deciphering GunType Hierarchy through Acoustic Analysis of Gunshot Recordings
di: Shah, Ankit, et al.
Pubblicazione: (2025)

Tessellated Linear Model for Age Prediction from Voice
di: Alharthi, Dareen, et al.
Pubblicazione: (2025)

Mellow: a small audio language model for reasoning
di: Deshmukh, Soham, et al.
Pubblicazione: (2025)

Completing Visual Objects via Bridging Generation and Segmentation
di: Li, Xiang, et al.
Pubblicazione: (2023)