MultiSoundGen: Video-to-Audio Generation for Multi-Event Scenarios via SlowFast Contrastive Audio-Visual Pretraining and Direct Preference Optimization
专题命中 音频语音多模态 :audio-visual(title,abstract);分类 cs.CV、cs.MM
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、cs.MM
专题命中 音频语音多模态 :multimodal(abstract);分类 cs.CL、cs.MM、eess.AS
Comments preprint