Localizing Audio-Visual Deepfakes via Hierarchical Boundary Modeling
专题命中 音频语音多模态 :audio-visual(title,abstract);分类 cs.CV、eess.AS
Comments Work in progress
AI 大模型
跨文本、图像、视频、音频等模态的大模型与学习方法。
专题命中 音频语音多模态 :audio-visual(title,abstract);分类 cs.CV、eess.AS
Comments Work in progress
机构 * School of Music(音乐学院) ; Research(研究)
专题命中 音频语音多模态 :audio-visual(title,abstract);分类 eess.AS
Comments Accepted into Interspeech 2025; corrected author name typo
机构 * UNC Chapel Hill(北卡罗来纳大学教堂山分校) ; Google(谷歌)
专题命中 音频语音多模态 :multi-modal(abstract);分类 cs.CV、eess.AS
Comments 15 pages, 6 figres, 6 tables. Accepted to ISMAR 2025 as a TVCG journal paper
机构 * Johns Hopkins University(约翰霍普金斯大学) ; Southeast University(东南大学) ; National University of Defense Technology(国防科技大学) ; Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
专题命中 音频语音多模态 :multimodal(abstract);分类 cs.AI、cs.MM
Comments WASPAA 2025
专题命中 音频语音多模态 :multimodal(abstract)
Comments ASSETS 25 19 pages, 8 figures