Enregistré dans:
| Auteurs principaux: | Ovanger, Oscar, Harris, Levi, Keitt, Timothy H. |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2602.03817 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Are Audio-Language Models Listening? Audio-Specialist Heads for Adaptive Audio Steering
par: Glazer, Neta, et autres
Publié: (2026)
par: Glazer, Neta, et autres
Publié: (2026)
Audio-Guided Dynamic Modality Fusion with Stereo-Aware Attention for Audio-Visual Navigation
par: Li, Jia, et autres
Publié: (2025)
par: Li, Jia, et autres
Publié: (2025)
Deepfake Audio Detection Using Self-supervised Fusion Representations
par: Zaman, Khalid, et autres
Publié: (2026)
par: Zaman, Khalid, et autres
Publié: (2026)
EvA: An Evidence-First Audio Understanding Paradigm for LALMs
par: Xie, Xinyuan, et autres
Publié: (2026)
par: Xie, Xinyuan, et autres
Publié: (2026)
Audio Spatially-Guided Fusion for Audio-Visual Navigation
par: Zhou, Xinyu, et autres
Publié: (2026)
par: Zhou, Xinyu, et autres
Publié: (2026)
HarmonicAttack: An Adaptive Cross-Domain Audio Watermark Removal
par: Li, Kexin, et autres
Publié: (2025)
par: Li, Kexin, et autres
Publié: (2025)
MSMT-FN: Multi-segment Multi-task Fusion Network for Marketing Audio Classification
par: Liu, HongYu, et autres
Publié: (2025)
par: Liu, HongYu, et autres
Publié: (2025)
DGFNet: End-to-End Audio-Visual Source Separation Based on Dynamic Gating Fusion
par: Yu, Yinfeng, et autres
Publié: (2025)
par: Yu, Yinfeng, et autres
Publié: (2025)
FusionAudio-1.2M: Towards Fine-grained Audio Captioning with Multimodal Contextual Fusion
par: Chen, Shunian, et autres
Publié: (2025)
par: Chen, Shunian, et autres
Publié: (2025)
Rebellion: Noise-Robust Reasoning Training for Audio Reasoning Models
par: Huang, Tiansheng, et autres
Publié: (2025)
par: Huang, Tiansheng, et autres
Publié: (2025)
Towards Explicit Acoustic Evidence Perception in Audio LLMs for Speech Deepfake Detection
par: Guo, Xiaoxuan, et autres
Publié: (2026)
par: Guo, Xiaoxuan, et autres
Publié: (2026)
Spatial-Aware Conditioned Fusion for Audio-Visual Navigation
par: Wu, Shaohang, et autres
Publié: (2026)
par: Wu, Shaohang, et autres
Publié: (2026)
Audio-Guided Fusion Techniques for Multimodal Emotion Analysis
par: Shi, Pujin, et autres
Publié: (2024)
par: Shi, Pujin, et autres
Publié: (2024)
Reliability-Aware Geometric Fusion for Robust Audio-Visual Navigation
par: Liu, Teng, et autres
Publié: (2026)
par: Liu, Teng, et autres
Publié: (2026)
Eureka-Audio: Triggering Audio Intelligence in Compact Language Models
par: Zhang, Dan, et autres
Publié: (2026)
par: Zhang, Dan, et autres
Publié: (2026)
AudioMoG: Guiding Audio Generation with Mixture-of-Guidance
par: Wang, Junyou, et autres
Publié: (2025)
par: Wang, Junyou, et autres
Publié: (2025)
Modality-Specific Speech Enhancement and Noise-Adaptive Fusion for Acoustic and Body-Conduction Microphone Framework
par: Kim, Yunsik, et autres
Publié: (2025)
par: Kim, Yunsik, et autres
Publié: (2025)
The Sonar Moment: Benchmarking Audio-Language Models in Audio Geo-Localization
par: Zhang, Ruixing, et autres
Publié: (2026)
par: Zhang, Ruixing, et autres
Publié: (2026)
MeanAudio: Fast and Faithful Text-to-Audio Generation with Mean Flows
par: Li, Xiquan, et autres
Publié: (2025)
par: Li, Xiquan, et autres
Publié: (2025)
AudioMotionBench: Evaluating Auditory Motion Perception in Audio LLMs
par: Sun, Zhe, et autres
Publié: (2025)
par: Sun, Zhe, et autres
Publié: (2025)
Stable Audio 3
par: Evans, Zach, et autres
Publié: (2026)
par: Evans, Zach, et autres
Publié: (2026)
AudioSAE: Towards Understanding of Audio-Processing Models with Sparse AutoEncoders
par: Aparin, Georgii, et autres
Publié: (2026)
par: Aparin, Georgii, et autres
Publié: (2026)
Audio-Maestro: Enhancing Large Audio-Language Models with Tool-Augmented Reasoning
par: Lee, Kuan-Yi, et autres
Publié: (2025)
par: Lee, Kuan-Yi, et autres
Publié: (2025)
AudioCapBench: Quick Evaluation on Audio Captioning across Sound, Music, and Speech
par: Qiu, Jielin, et autres
Publié: (2026)
par: Qiu, Jielin, et autres
Publié: (2026)
AudioGuard: Toward Comprehensive Audio Safety Protection Across Diverse Threat Models
par: Kang, Mintong, et autres
Publié: (2026)
par: Kang, Mintong, et autres
Publié: (2026)
HalluAudio: A Comprehensive Benchmark for Hallucination Detection in Large Audio-Language Models
par: Zhao, Feiyu, et autres
Publié: (2026)
par: Zhao, Feiyu, et autres
Publié: (2026)
MOSS-Audio Technical Report
par: Yang, Chen, et autres
Publié: (2026)
par: Yang, Chen, et autres
Publié: (2026)
TDFNet: An Efficient Audio-Visual Speech Separation Model with Top-down Fusion
par: Pegg, Samuel, et autres
Publié: (2024)
par: Pegg, Samuel, et autres
Publié: (2024)
Interpretable All-Type Audio Deepfake Detection with Audio LLMs via Frequency-Time Reinforcement Learning
par: Xie, Yuankun, et autres
Publié: (2026)
par: Xie, Yuankun, et autres
Publié: (2026)
Codec-Robust Attacks on Audio LLMs
par: Roh, Jaechul, et autres
Publié: (2026)
par: Roh, Jaechul, et autres
Publié: (2026)
PhyAVBench: A Challenging Audio Physics-Sensitivity Benchmark for Physically Grounded Text-to-Audio-Video Generation
par: Xie, Tianxin, et autres
Publié: (2025)
par: Xie, Tianxin, et autres
Publié: (2025)
VidAudio-Bench: Benchmarking V2A and VT2A Generation across Four Audio Categories
par: Zhang, Qian, et autres
Publié: (2026)
par: Zhang, Qian, et autres
Publié: (2026)
Towards Fine-grained Temporal Perception: Post-Training Large Audio-Language Models with Audio-Side Time Prompt
par: Shi, Yanfeng, et autres
Publié: (2026)
par: Shi, Yanfeng, et autres
Publié: (2026)
CORD: Bridging the Audio-Text Reasoning Gap via Weighted On-policy Cross-modal Distillation
par: Hu, Jing, et autres
Publié: (2026)
par: Hu, Jing, et autres
Publié: (2026)
Improving Audio Event Recognition with Consistency Regularization
par: Sadhu, Shanmuka, et autres
Publié: (2025)
par: Sadhu, Shanmuka, et autres
Publié: (2025)
MLCA-AVSR: Multi-Layer Cross Attention Fusion based Audio-Visual Speech Recognition
par: Wang, He, et autres
Publié: (2024)
par: Wang, He, et autres
Publié: (2024)
Cross-Attention with Confidence Weighting for Multi-Channel Audio Alignment
par: Nihal, Ragib Amin, et autres
Publié: (2025)
par: Nihal, Ragib Amin, et autres
Publié: (2025)
Tadabur: A Large-Scale Quran Audio Dataset
par: Alherran, Faisal
Publié: (2026)
par: Alherran, Faisal
Publié: (2026)
Latent-Mark: An Audio Watermark Robust to Neural Resynthesis
par: Chen, Yen-Shan, et autres
Publié: (2026)
par: Chen, Yen-Shan, et autres
Publié: (2026)
ATIR: Towards Audio-Text Interleaved Contextual Retrieval
par: Zhao, Tong, et autres
Publié: (2026)
par: Zhao, Tong, et autres
Publié: (2026)
Documents similaires
-
Are Audio-Language Models Listening? Audio-Specialist Heads for Adaptive Audio Steering
par: Glazer, Neta, et autres
Publié: (2026) -
Audio-Guided Dynamic Modality Fusion with Stereo-Aware Attention for Audio-Visual Navigation
par: Li, Jia, et autres
Publié: (2025) -
Deepfake Audio Detection Using Self-supervised Fusion Representations
par: Zaman, Khalid, et autres
Publié: (2026) -
EvA: An Evidence-First Audio Understanding Paradigm for LALMs
par: Xie, Xinyuan, et autres
Publié: (2026) -
Audio Spatially-Guided Fusion for Audio-Visual Navigation
par: Zhou, Xinyu, et autres
Publié: (2026)