Vggsound: a large-scale audio-visual dataset

Vggsound: a large-scale audio-visual dataset

ग्रंथसूची विवरण
मुख्य लेखकों:	Chen, H, Xie, W, Vedaldi, A, Zisserman, A
स्वरूप:	Conference item
भाषा:	English
प्रकाशित:	IEEE 2020

समान संसाधन

Audio-visual synchronisation in the wild
द्वारा: Chen, H, और अन्य
प्रकाशित: (2021)

On-the-fly learning for visual search of large-scale image and video datasets
द्वारा: Chatfield, K, और अन्य
प्रकाशित: (2015)

Large scale evaluation of local image featuredetectors on homography datasets
द्वारा: Lenc, K, और अन्य
प्रकाशित: (2018)

Deep Fisher networks for large-scale image classification
द्वारा: Simonyan, K, और अन्य
प्रकाशित: (2013)

A large-scale and PCR-referenced vocal audio dataset for COVID-19
द्वारा: Budd, J, और अन्य
प्रकाशित: (2024)

Large scale evaluation of local image feature detectors on homography datasets
द्वारा: Lenc, K, और अन्य
प्रकाशित: (2018)

A large-scale and PCR-referenced vocal audio dataset for COVID-19
द्वारा: Jobie Budd, और अन्य
प्रकाशित: (2024-06-01)

Sparse in space and time: audio-visual synchronisation with trainable selectors
द्वारा: Iashin, V, और अन्य
प्रकाशित: (2022)

Large-scale audio dataset for emergency vehicle sirens and road noises
द्वारा: Muhammad Asif, और अन्य
प्रकाशित: (2022-10-01)

Character-aware audio-visual subtitling in context
द्वारा: Huh, J, और अन्य
प्रकाशित: (2024)

VoxCeleb: a large-scale speaker identification dataset
द्वारा: Nagrani, A, और अन्य
प्रकाशित: (2017)

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

The conversation: deep audio-visual speech enhancement
द्वारा: Alfouras, T, और अन्य
प्रकाशित: (2018)

Deep audio-visual speech recognition
द्वारा: Afouras, T, और अन्य
प्रकाशित: (2018)

Visual analytics for large-scale datasets
द्वारा: Gani, Reinaldo
प्रकाशित: (2018)

QUERYD: a video dataset with high-quality text and audio narrations
द्वारा: Oncescu, A-M, और अन्य
प्रकाशित: (2021)

Localizing visual sounds the hard way
द्वारा: Vedaldi, A, और अन्य
प्रकाशित: (2021)

Audio-visual modelling in a clinical setting
द्वारा: Jiao, J, और अन्य
प्रकाशित: (2024)

Epic-sounds: a large-scale dataset of actions that sound
द्वारा: Huh, J, और अन्य
प्रकाशित: (2023)

Seeing wake words: Audio-visual keyword spotting
द्वारा: Momeni, L, और अन्य
प्रकाशित: (2020)

A Large-Scale Benchmark Dataset for Anomaly Detection and Rare Event Classification for Audio Forensics
द्वारा: Ahmed Abbasi, और अन्य
प्रकाशित: (2022-01-01)

Look, listen and recognise: character-aware audio-visual subtitling
द्वारा: Korbar, B, और अन्य
प्रकाशित: (2024)

Self-supervised learning of audio-visual objects from video
द्वारा: Afouras, T, और अन्य
प्रकाशित: (2020)

A sound approach: using large language models to generate audio descriptions for egocentric text-audio retrieval
द्वारा: Oncescu, A-M, और अन्य
प्रकाशित: (2024)

Geometric latent dirichlet allocation on a matching graph for large-scale image datasets
द्वारा: Philbin, J, और अन्य
प्रकाशित: (2010)

My lips are concealed: audio-visual speech enhancement through obstructions
द्वारा: Afouras, T, और अन्य
प्रकाशित: (2019)

Development of a large-scale medical visual question-answering dataset
द्वारा: Xiaoman Zhang, और अन्य
प्रकाशित: (2024-12-01)

Audio-visual modelling in a clinical setting
द्वारा: Jianbo Jiao, और अन्य
प्रकाशित: (2024-07-01)

GCE: An Audio-Visual Dataset for Group Cohesion and Emotion Analysis
द्वारा: Eunchae Lim, और अन्य
प्रकाशित: (2024-08-01)

EPIC-fusion: audio-visual temporal binding for egocentric action recognition
द्वारा: Kazakos, E, और अन्य
प्रकाशित: (2020)

LUMINA: Linguistic unified multimodal Indonesian natural audio-visual dataset
द्वारा: Eka Rahayu Setyaningsih, और अन्य
प्रकाशित: (2024-06-01)

TIM: a time interval machine for audio-visual action recognition
द्वारा: Chalk, J, और अन्य
प्रकाशित: (2024)

Inductive visual localisation: factorised training for superior generalisation
द्वारा: Gupta, A, और अन्य
प्रकाशित: (2018)

Inductive visual localisation: factorised training for superior generalisation
द्वारा: Gupta, A, और अन्य
प्रकाशित: (2018)

Creating DALI, a Large Dataset of Synchronized Audio, Lyrics, and Notes
द्वारा: Gabriel Meseguer-Brocal, और अन्य
प्रकाशित: (2020-06-01)

Learning to discover novel visual categories via deep transfer clustering
द्वारा: Han, K, और अन्य
प्रकाशित: (2020)

A3CarScene: An audio-visual dataset for driving scene understanding
द्वारा: Michela Cantarini, और अन्य
प्रकाशित: (2023-06-01)

Voxceleb: large-scale speaker verification in the wild
द्वारा: Nagrani, A, और अन्य
प्रकाशित: (2019)

Audio-visual deception detection: DOLOS dataset and parameter-efficient crossmodal learning
द्वारा: Guo, Xiaobao, और अन्य
प्रकाशित: (2023)

A large-scale fMRI dataset for the visual processing of naturalistic scenes
द्वारा: Zhengxin Gong, और अन्य
प्रकाशित: (2023-08-01)