Vggsound: a large-scale audio-visual dataset

Vggsound: a large-scale audio-visual dataset

Podrobná bibliografie
Hlavní autoři:	Chen, H, Xie, W, Vedaldi, A, Zisserman, A
Médium:	Conference item
Jazyk:	English
Vydáno:	IEEE 2020

Podobné jednotky

Audio-visual synchronisation in the wild
Autor: Chen, H, a další
Vydáno: (2021)

On-the-fly learning for visual search of large-scale image and video datasets
Autor: Chatfield, K, a další
Vydáno: (2015)

Large scale evaluation of local image featuredetectors on homography datasets
Autor: Lenc, K, a další
Vydáno: (2018)

Deep Fisher networks for large-scale image classification
Autor: Simonyan, K, a další
Vydáno: (2013)

A large-scale and PCR-referenced vocal audio dataset for COVID-19
Autor: Budd, J, a další
Vydáno: (2024)

Large scale evaluation of local image feature detectors on homography datasets
Autor: Lenc, K, a další
Vydáno: (2018)

A large-scale and PCR-referenced vocal audio dataset for COVID-19
Autor: Jobie Budd, a další
Vydáno: (2024-06-01)

Sparse in space and time: audio-visual synchronisation with trainable selectors
Autor: Iashin, V, a další
Vydáno: (2022)

Large-scale audio dataset for emergency vehicle sirens and road noises
Autor: Muhammad Asif, a další
Vydáno: (2022-10-01)

Character-aware audio-visual subtitling in context
Autor: Huh, J, a další
Vydáno: (2024)

VoxCeleb: a large-scale speaker identification dataset
Autor: Nagrani, A, a další
Vydáno: (2017)

Building a large-scale dataset for audio-conditioned dance motion synthesis
Autor: Wu, Jinyi
Vydáno: (2022)

The conversation: deep audio-visual speech enhancement
Autor: Alfouras, T, a další
Vydáno: (2018)

Deep audio-visual speech recognition
Autor: Afouras, T, a další
Vydáno: (2018)

Visual analytics for large-scale datasets
Autor: Gani, Reinaldo
Vydáno: (2018)

QUERYD: a video dataset with high-quality text and audio narrations
Autor: Oncescu, A-M, a další
Vydáno: (2021)

Localizing visual sounds the hard way
Autor: Vedaldi, A, a další
Vydáno: (2021)

Audio-visual modelling in a clinical setting
Autor: Jiao, J, a další
Vydáno: (2024)

Epic-sounds: a large-scale dataset of actions that sound
Autor: Huh, J, a další
Vydáno: (2023)

Seeing wake words: Audio-visual keyword spotting
Autor: Momeni, L, a další
Vydáno: (2020)

A Large-Scale Benchmark Dataset for Anomaly Detection and Rare Event Classification for Audio Forensics
Autor: Ahmed Abbasi, a další
Vydáno: (2022-01-01)

Look, listen and recognise: character-aware audio-visual subtitling
Autor: Korbar, B, a další
Vydáno: (2024)

Self-supervised learning of audio-visual objects from video
Autor: Afouras, T, a další
Vydáno: (2020)

A sound approach: using large language models to generate audio descriptions for egocentric text-audio retrieval
Autor: Oncescu, A-M, a další
Vydáno: (2024)

Geometric latent dirichlet allocation on a matching graph for large-scale image datasets
Autor: Philbin, J, a další
Vydáno: (2010)

My lips are concealed: audio-visual speech enhancement through obstructions
Autor: Afouras, T, a další
Vydáno: (2019)

Development of a large-scale medical visual question-answering dataset
Autor: Xiaoman Zhang, a další
Vydáno: (2024-12-01)

Audio-visual modelling in a clinical setting
Autor: Jianbo Jiao, a další
Vydáno: (2024-07-01)

GCE: An Audio-Visual Dataset for Group Cohesion and Emotion Analysis
Autor: Eunchae Lim, a další
Vydáno: (2024-08-01)

EPIC-fusion: audio-visual temporal binding for egocentric action recognition
Autor: Kazakos, E, a další
Vydáno: (2020)

LUMINA: Linguistic unified multimodal Indonesian natural audio-visual dataset
Autor: Eka Rahayu Setyaningsih, a další
Vydáno: (2024-06-01)

TIM: a time interval machine for audio-visual action recognition
Autor: Chalk, J, a další
Vydáno: (2024)

Inductive visual localisation: factorised training for superior generalisation
Autor: Gupta, A, a další
Vydáno: (2018)

Inductive visual localisation: factorised training for superior generalisation
Autor: Gupta, A, a další
Vydáno: (2018)

Creating DALI, a Large Dataset of Synchronized Audio, Lyrics, and Notes
Autor: Gabriel Meseguer-Brocal, a další
Vydáno: (2020-06-01)

Learning to discover novel visual categories via deep transfer clustering
Autor: Han, K, a další
Vydáno: (2020)

A3CarScene: An audio-visual dataset for driving scene understanding
Autor: Michela Cantarini, a další
Vydáno: (2023-06-01)

Voxceleb: large-scale speaker verification in the wild
Autor: Nagrani, A, a další
Vydáno: (2019)

Audio-visual deception detection: DOLOS dataset and parameter-efficient crossmodal learning
Autor: Guo, Xiaobao, a další
Vydáno: (2023)

A large-scale fMRI dataset for the visual processing of naturalistic scenes
Autor: Zhengxin Gong, a další
Vydáno: (2023-08-01)