Vggsound: a large-scale audio-visual dataset

Vggsound: a large-scale audio-visual dataset

Bibliografiset tiedot
Päätekijät:	Chen, H, Xie, W, Vedaldi, A, Zisserman, A
Aineistotyyppi:	Conference item
Kieli:	English
Julkaistu:	IEEE 2020

Samankaltaisia teoksia

Audio-visual synchronisation in the wild
Tekijä: Chen, H, et al.
Julkaistu: (2021)

On-the-fly learning for visual search of large-scale image and video datasets
Tekijä: Chatfield, K, et al.
Julkaistu: (2015)

Large scale evaluation of local image featuredetectors on homography datasets
Tekijä: Lenc, K, et al.
Julkaistu: (2018)

Deep Fisher networks for large-scale image classification
Tekijä: Simonyan, K, et al.
Julkaistu: (2013)

A large-scale and PCR-referenced vocal audio dataset for COVID-19
Tekijä: Budd, J, et al.
Julkaistu: (2024)

Large scale evaluation of local image feature detectors on homography datasets
Tekijä: Lenc, K, et al.
Julkaistu: (2018)

A large-scale and PCR-referenced vocal audio dataset for COVID-19
Tekijä: Jobie Budd, et al.
Julkaistu: (2024-06-01)

Sparse in space and time: audio-visual synchronisation with trainable selectors
Tekijä: Iashin, V, et al.
Julkaistu: (2022)

Large-scale audio dataset for emergency vehicle sirens and road noises
Tekijä: Muhammad Asif, et al.
Julkaistu: (2022-10-01)

Character-aware audio-visual subtitling in context
Tekijä: Huh, J, et al.
Julkaistu: (2024)

VoxCeleb: a large-scale speaker identification dataset
Tekijä: Nagrani, A, et al.
Julkaistu: (2017)

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

The conversation: deep audio-visual speech enhancement
Tekijä: Alfouras, T, et al.
Julkaistu: (2018)

Deep audio-visual speech recognition
Tekijä: Afouras, T, et al.
Julkaistu: (2018)

Visual analytics for large-scale datasets
Tekijä: Gani, Reinaldo
Julkaistu: (2018)

QUERYD: a video dataset with high-quality text and audio narrations
Tekijä: Oncescu, A-M, et al.
Julkaistu: (2021)

Localizing visual sounds the hard way
Tekijä: Vedaldi, A, et al.
Julkaistu: (2021)

Audio-visual modelling in a clinical setting
Tekijä: Jiao, J, et al.
Julkaistu: (2024)

Epic-sounds: a large-scale dataset of actions that sound
Tekijä: Huh, J, et al.
Julkaistu: (2023)

Seeing wake words: Audio-visual keyword spotting
Tekijä: Momeni, L, et al.
Julkaistu: (2020)

A Large-Scale Benchmark Dataset for Anomaly Detection and Rare Event Classification for Audio Forensics
Tekijä: Ahmed Abbasi, et al.
Julkaistu: (2022-01-01)

Look, listen and recognise: character-aware audio-visual subtitling
Tekijä: Korbar, B, et al.
Julkaistu: (2024)

Self-supervised learning of audio-visual objects from video
Tekijä: Afouras, T, et al.
Julkaistu: (2020)

A sound approach: using large language models to generate audio descriptions for egocentric text-audio retrieval
Tekijä: Oncescu, A-M, et al.
Julkaistu: (2024)

Geometric latent dirichlet allocation on a matching graph for large-scale image datasets
Tekijä: Philbin, J, et al.
Julkaistu: (2010)

My lips are concealed: audio-visual speech enhancement through obstructions
Tekijä: Afouras, T, et al.
Julkaistu: (2019)

Development of a large-scale medical visual question-answering dataset
Tekijä: Xiaoman Zhang, et al.
Julkaistu: (2024-12-01)

Audio-visual modelling in a clinical setting
Tekijä: Jianbo Jiao, et al.
Julkaistu: (2024-07-01)

GCE: An Audio-Visual Dataset for Group Cohesion and Emotion Analysis
Tekijä: Eunchae Lim, et al.
Julkaistu: (2024-08-01)

EPIC-fusion: audio-visual temporal binding for egocentric action recognition
Tekijä: Kazakos, E, et al.
Julkaistu: (2020)

LUMINA: Linguistic unified multimodal Indonesian natural audio-visual dataset
Tekijä: Eka Rahayu Setyaningsih, et al.
Julkaistu: (2024-06-01)

TIM: a time interval machine for audio-visual action recognition
Tekijä: Chalk, J, et al.
Julkaistu: (2024)

Inductive visual localisation: factorised training for superior generalisation
Tekijä: Gupta, A, et al.
Julkaistu: (2018)

Inductive visual localisation: factorised training for superior generalisation
Tekijä: Gupta, A, et al.
Julkaistu: (2018)

Creating DALI, a Large Dataset of Synchronized Audio, Lyrics, and Notes
Tekijä: Gabriel Meseguer-Brocal, et al.
Julkaistu: (2020-06-01)

Learning to discover novel visual categories via deep transfer clustering
Tekijä: Han, K, et al.
Julkaistu: (2020)

A3CarScene: An audio-visual dataset for driving scene understanding
Tekijä: Michela Cantarini, et al.
Julkaistu: (2023-06-01)

Voxceleb: large-scale speaker verification in the wild
Tekijä: Nagrani, A, et al.
Julkaistu: (2019)

Audio-visual deception detection: DOLOS dataset and parameter-efficient crossmodal learning
Tekijä: Guo, Xiaobao, et al.
Julkaistu: (2023)

A large-scale fMRI dataset for the visual processing of naturalistic scenes
Tekijä: Zhengxin Gong, et al.
Julkaistu: (2023-08-01)