Buchumschlag

GRAM: Spatial general-purpose audio representations for real-world environments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yuksel, Goksenin, van Gerven, Marcel, van der Heijden, Kiki
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Sound
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GRAM: Spatial general-purpose audio representation models for real-world applications
von: Yuksel, Goksenin, et al.
Veröffentlicht: (2025)

WavJEPA: Semantic learning unlocks robust audio foundation models for raw waveforms
von: Yuksel, Goksenin, et al.
Veröffentlicht: (2025)

Leveraging Spatial Cues from Cochlear Implant Microphones to Efficiently Enhance Speech Separation in Real-World Listening Scenes
von: Olalere, Feyisayo, et al.
Veröffentlicht: (2025)

Audio-Driven Reinforcement Learning for Head-Orientation in Naturalistic Environments
von: Ledder, Wessel, et al.
Veröffentlicht: (2024)

Self-supervised learning method using multiple sampling strategies for general-purpose audio representation
von: Kuroyanagi, Ibuki, et al.
Veröffentlicht: (2025)

BAST: Binaural Audio Spectrogram Transformer for Binaural Sound Localization
von: Kuang, Sheng, et al.
Veröffentlicht: (2022)

Enabling automatic transcription of child-centered audio recordings from real-world environments
von: Kocharov, Daniil, et al.
Veröffentlicht: (2025)

Speech Separation for Hearing-Impaired Children in the Classroom
von: Olalere, Feyisayo, et al.
Veröffentlicht: (2025)

Emoanti: audio anti-deepfake with refined emotion-guided representations
von: Li, Xiaokang, et al.
Veröffentlicht: (2025)

IsoNet: Spatially-aware audio-visual target speech extraction in complex acoustic environments
von: Padhya, Dinanath, et al.
Veröffentlicht: (2026)

Efficient learning-based sound propagation for virtual and real-world audio processing applications
von: Ratnarajah, Anton Jeran
Veröffentlicht: (2024)

Spatial-CLAP: Learning Spatially-Aware audio--text Embeddings for Multi-Source Conditions
von: Seki, Kentaro, et al.
Veröffentlicht: (2025)

Scaling up masked audio encoder learning for general audio classification
von: Dinkel, Heinrich, et al.
Veröffentlicht: (2024)

Multi-layer attentive probing improves transfer of audio representations for bioacoustics
von: Miron, Marius, et al.
Veröffentlicht: (2026)

Decodable but not structured: linear probing enables Underwater Acoustic Target Recognition with pretrained audio embeddings
von: Hummel, Hilde I., et al.
Veröffentlicht: (2026)

AxLSTMs: learning self-supervised audio representations with xLSTMs
von: Yadav, Sarthak, et al.
Veröffentlicht: (2024)

FoleyGRAM: Video-to-Audio Generation with GRAM-Aligned Multimodal Encoders
von: Gramaccioni, Riccardo Fosco, et al.
Veröffentlicht: (2025)

Transformation of audio embeddings into interpretable, concept-based representations
von: Zhang, Alice, et al.
Veröffentlicht: (2025)

Keep what you need : extracting efficient subnetworks from large audio representation models
von: Genova, David, et al.
Veröffentlicht: (2025)

Visual-based spatial audio generation system for multi-speaker environments
von: Liu, Xiaojing, et al.
Veröffentlicht: (2025)

SS-DPPN: A self-supervised dual-path foundation model for the generalizable cardiac audio representation
von: Muna, Ummy Maria, et al.
Veröffentlicht: (2025)

Late fusion ensembles for speech recognition on diverse input audio representations
von: Jezidžić, Marin, et al.
Veröffentlicht: (2024)

Investigating self-supervised representations for audio-visual deepfake detection
von: Boldisor, Dragos-Alexandru, et al.
Veröffentlicht: (2025)

Towards generalizing deep-audio fake detection networks
von: Gasenzer, Konstantin, et al.
Veröffentlicht: (2023)

Better audio representations are more brain-like: linking model-brain alignment with performance in downstream auditory tasks
von: Pepino, Leonardo, et al.
Veröffentlicht: (2025)

EnCodecMAE: Leveraging neural codecs for universal audio representation learning
von: Pepino, Leonardo, et al.
Veröffentlicht: (2023)

AudioMAE++: learning better masked audio representations with SwiGLU FFNs
von: Yadav, Sarthak, et al.
Veröffentlicht: (2025)

Bird detection in audio: a survey and a challenge
von: Stowell, Dan, et al.
Veröffentlicht: (2016)

ParaCLAP -- Towards a general language-audio model for computational paralinguistic tasks
von: Jing, Xin, et al.
Veröffentlicht: (2024)

Making deep neural networks work for medical audio: representation, compression and domain adaptation
von: Onu, Charles C
Veröffentlicht: (2025)

An overview of neural architectures for self-supervised audio representation learning from masked spectrograms
von: Yadav, Sarthak, et al.
Veröffentlicht: (2025)

Exploring bat song syllable representations in self-supervised audio encoders
von: Kloots, Marianne de Heer, et al.
Veröffentlicht: (2024)

Sonalyzer-Moz: A Framework for Analyzing the Structure of Mozart's Sonata Form
von: Zhao, Jing, et al.
Veröffentlicht: (2026)

Stage-adaptive audio diffusion modeling
von: Zhang, Xuanhao, et al.
Veröffentlicht: (2026)

TQCodec: Towards neural audio codec for high-fidelity music streaming
von: He, Lixing, et al.
Veröffentlicht: (2026)

SMART: Tuning a symbolic music generation system with an audio domain aesthetic reward
von: Jonason, Nicolas, et al.
Veröffentlicht: (2025)

Towards audio language modeling -- an overview
von: Wu, Haibin, et al.
Veröffentlicht: (2024)

Training chord recognition models on artificially generated audio
von: Majchrzak, Martyna, et al.
Veröffentlicht: (2025)

Are audio DeepFake detection models polyglots?
von: Marek, Bartłomiej, et al.
Veröffentlicht: (2024)

Tweaking autoregressive methods for inpainting of gaps in audio signals
von: Mokrý, Ondřej, et al.
Veröffentlicht: (2024)