Spatial Audio Question Answering and Reasoning on Dynamic Source Movements
Fuente:
arXiv
Salvato in:
| Autori principali: | Sridhar, Arvind Krishna, Guo, Yinyi, Visser, Erik |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Spatial Audio Motion Understanding and Reasoning
di: Sridhar, Arvind Krishna, et al.
Pubblicazione: (2025)
di: Sridhar, Arvind Krishna, et al.
Pubblicazione: (2025)
Enhancing Temporal Understanding in Audio Question Answering for Large Audio Language Models
di: Sridhar, Arvind Krishna, et al.
Pubblicazione: (2024)
di: Sridhar, Arvind Krishna, et al.
Pubblicazione: (2024)
LongAudio-RAG: Event-Grounded Question Answering over Multi-Hour Long Audio
di: Vakada, Naveen, et al.
Pubblicazione: (2026)
di: Vakada, Naveen, et al.
Pubblicazione: (2026)
Resource-Efficient Reference-Free Evaluation of Audio Captions
di: Mahfuz, Rehana, et al.
Pubblicazione: (2024)
di: Mahfuz, Rehana, et al.
Pubblicazione: (2024)
RAMoEA-QA: Hierarchical Specialization for Robust Respiratory Audio Question Answering
di: Bertolino, Gaia A., et al.
Pubblicazione: (2026)
di: Bertolino, Gaia A., et al.
Pubblicazione: (2026)
ORCA: Open-ended Response Correctness Assessment for Audio Question Answering
di: Sedláček, Šimon, et al.
Pubblicazione: (2025)
di: Sedláček, Šimon, et al.
Pubblicazione: (2025)
Aligning Audio Captions with Human Preferences
di: Hegde, Kartik, et al.
Pubblicazione: (2025)
di: Hegde, Kartik, et al.
Pubblicazione: (2025)
OWL: Geometry-Aware Spatial Reasoning for Audio Large Language Models
di: Biswas, Subrata, et al.
Pubblicazione: (2025)
di: Biswas, Subrata, et al.
Pubblicazione: (2025)
Multi-Domain Audio Question Answering Benchmark Toward Acoustic Content Reasoning
di: Yang, Chao-Han Huck, et al.
Pubblicazione: (2025)
di: Yang, Chao-Han Huck, et al.
Pubblicazione: (2025)
DGFNet: End-to-End Audio-Visual Source Separation Based on Dynamic Gating Fusion
di: Yu, Yinfeng, et al.
Pubblicazione: (2025)
di: Yu, Yinfeng, et al.
Pubblicazione: (2025)
SHMamba: Structured Hyperbolic State Space Model for Audio-Visual Question Answering
di: Yang, Zhe, et al.
Pubblicazione: (2024)
di: Yang, Zhe, et al.
Pubblicazione: (2024)
Rebellion: Noise-Robust Reasoning Training for Audio Reasoning Models
di: Huang, Tiansheng, et al.
Pubblicazione: (2025)
di: Huang, Tiansheng, et al.
Pubblicazione: (2025)
Audio-Maestro: Enhancing Large Audio-Language Models with Tool-Augmented Reasoning
di: Lee, Kuan-Yi, et al.
Pubblicazione: (2025)
di: Lee, Kuan-Yi, et al.
Pubblicazione: (2025)
Comprehensive Audio Query Handling System with Integrated Expert Models and Contextual Understanding
di: Naveen, Vakada, et al.
Pubblicazione: (2024)
di: Naveen, Vakada, et al.
Pubblicazione: (2024)
AQAScore: Evaluating Semantic Alignment in Text-to-Audio Generation via Audio Question Answering
di: Kuan, Chun-Yi, et al.
Pubblicazione: (2026)
di: Kuan, Chun-Yi, et al.
Pubblicazione: (2026)
The World is Not Mono: Enabling Spatial Understanding in Large Audio-Language Models
di: You, Yuhuan, et al.
Pubblicazione: (2026)
di: You, Yuhuan, et al.
Pubblicazione: (2026)
Audio-Guided Dynamic Modality Fusion with Stereo-Aware Attention for Audio-Visual Navigation
di: Li, Jia, et al.
Pubblicazione: (2025)
di: Li, Jia, et al.
Pubblicazione: (2025)
Reinforcement Learning Outperforms Supervised Fine-Tuning: A Case Study on Audio Question Answering
di: Li, Gang, et al.
Pubblicazione: (2025)
di: Li, Gang, et al.
Pubblicazione: (2025)
DSpAST: Disentangled Representations for Spatial Audio Reasoning with Large Language Models
di: Wilkinghoff, Kevin, et al.
Pubblicazione: (2025)
di: Wilkinghoff, Kevin, et al.
Pubblicazione: (2025)
Audio Source Separation in Reverberant Environments using $β$-divergence based Nonnegative Factorization
di: Fakhry, Mahmoud, et al.
Pubblicazione: (2026)
di: Fakhry, Mahmoud, et al.
Pubblicazione: (2026)
AQUALLM: Audio Question Answering Data Generation Using Large Language Models
di: Behera, Swarup Ranjan, et al.
Pubblicazione: (2023)
di: Behera, Swarup Ranjan, et al.
Pubblicazione: (2023)
AuTAgent: A Reinforcement Learning Framework for Tool-Augmented Audio Reasoning
di: Tong, Siqian, et al.
Pubblicazione: (2026)
di: Tong, Siqian, et al.
Pubblicazione: (2026)
Audio Spatially-Guided Fusion for Audio-Visual Navigation
di: Zhou, Xinyu, et al.
Pubblicazione: (2026)
di: Zhou, Xinyu, et al.
Pubblicazione: (2026)
Interpretable All-Type Audio Deepfake Detection with Audio LLMs via Frequency-Time Reinforcement Learning
di: Xie, Yuankun, et al.
Pubblicazione: (2026)
di: Xie, Yuankun, et al.
Pubblicazione: (2026)
Are Audio-Language Models Listening? Audio-Specialist Heads for Adaptive Audio Steering
di: Glazer, Neta, et al.
Pubblicazione: (2026)
di: Glazer, Neta, et al.
Pubblicazione: (2026)
AQUA-Bench: Beyond Finding Answers to Knowing When There Are None in Audio Question Answering
di: Kuan, Chun-Yi, et al.
Pubblicazione: (2026)
di: Kuan, Chun-Yi, et al.
Pubblicazione: (2026)
DegDiT: Controllable Audio Generation with Dynamic Event Graph Guided Diffusion Transformer
di: Liu, Yisu, et al.
Pubblicazione: (2025)
di: Liu, Yisu, et al.
Pubblicazione: (2025)
Eureka-Audio: Triggering Audio Intelligence in Compact Language Models
di: Zhang, Dan, et al.
Pubblicazione: (2026)
di: Zhang, Dan, et al.
Pubblicazione: (2026)
AudioMoG: Guiding Audio Generation with Mixture-of-Guidance
di: Wang, Junyou, et al.
Pubblicazione: (2025)
di: Wang, Junyou, et al.
Pubblicazione: (2025)
The Sonar Moment: Benchmarking Audio-Language Models in Audio Geo-Localization
di: Zhang, Ruixing, et al.
Pubblicazione: (2026)
di: Zhang, Ruixing, et al.
Pubblicazione: (2026)
DialogGraph-LLM: Graph-Informed LLMs for End-to-End Audio Dialogue Intent Recognition
di: Liu, HongYu, et al.
Pubblicazione: (2025)
di: Liu, HongYu, et al.
Pubblicazione: (2025)
MeanAudio: Fast and Faithful Text-to-Audio Generation with Mean Flows
di: Li, Xiquan, et al.
Pubblicazione: (2025)
di: Li, Xiquan, et al.
Pubblicazione: (2025)
AudioMotionBench: Evaluating Auditory Motion Perception in Audio LLMs
di: Sun, Zhe, et al.
Pubblicazione: (2025)
di: Sun, Zhe, et al.
Pubblicazione: (2025)
ViSAGe: Video-to-Spatial Audio Generation
di: Kim, Jaeyeon, et al.
Pubblicazione: (2025)
di: Kim, Jaeyeon, et al.
Pubblicazione: (2025)
Patient-Level Multimodal Question Answering from Multi-Site Auscultation Recordings
di: Wu, Fan, et al.
Pubblicazione: (2026)
di: Wu, Fan, et al.
Pubblicazione: (2026)
Separate First, Fuse Later: Mitigating Cross-Modal Interference in Audio-Visual LLMs Reasoning with Modality-Specific Chain-of-Thought
di: Li, Xuanchen, et al.
Pubblicazione: (2026)
di: Li, Xuanchen, et al.
Pubblicazione: (2026)
Stable Audio 3
di: Evans, Zach, et al.
Pubblicazione: (2026)
di: Evans, Zach, et al.
Pubblicazione: (2026)
AudioSAE: Towards Understanding of Audio-Processing Models with Sparse AutoEncoders
di: Aparin, Georgii, et al.
Pubblicazione: (2026)
di: Aparin, Georgii, et al.
Pubblicazione: (2026)
MeanFlow-Accelerated Multimodal Video-to-Audio Synthesis via One-Step Generation
di: Yang, Xiaoran, et al.
Pubblicazione: (2025)
di: Yang, Xiaoran, et al.
Pubblicazione: (2025)
AudioCapBench: Quick Evaluation on Audio Captioning across Sound, Music, and Speech
di: Qiu, Jielin, et al.
Pubblicazione: (2026)
di: Qiu, Jielin, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Spatial Audio Motion Understanding and Reasoning
di: Sridhar, Arvind Krishna, et al.
Pubblicazione: (2025) -
Enhancing Temporal Understanding in Audio Question Answering for Large Audio Language Models
di: Sridhar, Arvind Krishna, et al.
Pubblicazione: (2024) -
LongAudio-RAG: Event-Grounded Question Answering over Multi-Hour Long Audio
di: Vakada, Naveen, et al.
Pubblicazione: (2026) -
Resource-Efficient Reference-Free Evaluation of Audio Captions
di: Mahfuz, Rehana, et al.
Pubblicazione: (2024) -
RAMoEA-QA: Hierarchical Specialization for Robust Respiratory Audio Question Answering
di: Bertolino, Gaia A., et al.
Pubblicazione: (2026)