Vggsound: a large-scale audio-visual dataset

Vggsound: a large-scale audio-visual dataset

Մատենագիտական մանրամասներ
Հիմնական հեղինակներ:	Chen, H, Xie, W, Vedaldi, A, Zisserman, A
Ձևաչափ:	Conference item
Լեզու:	English
Հրապարակվել է:	IEEE 2020

Նմանատիպ նյութեր

Audio-visual synchronisation in the wild
‌: Chen, H, և այլն
Հրապարակվել է: (2021)

On-the-fly learning for visual search of large-scale image and video datasets
‌: Chatfield, K, և այլն
Հրապարակվել է: (2015)

Large scale evaluation of local image featuredetectors on homography datasets
‌: Lenc, K, և այլն
Հրապարակվել է: (2018)

Deep Fisher networks for large-scale image classification
‌: Simonyan, K, և այլն
Հրապարակվել է: (2013)

A large-scale and PCR-referenced vocal audio dataset for COVID-19
‌: Budd, J, և այլն
Հրապարակվել է: (2024)

Large scale evaluation of local image feature detectors on homography datasets
‌: Lenc, K, և այլն
Հրապարակվել է: (2018)

A large-scale and PCR-referenced vocal audio dataset for COVID-19
‌: Jobie Budd, և այլն
Հրապարակվել է: (2024-06-01)

Sparse in space and time: audio-visual synchronisation with trainable selectors
‌: Iashin, V, և այլն
Հրապարակվել է: (2022)

Large-scale audio dataset for emergency vehicle sirens and road noises
‌: Muhammad Asif, և այլն
Հրապարակվել է: (2022-10-01)

Character-aware audio-visual subtitling in context
‌: Huh, J, և այլն
Հրապարակվել է: (2024)

VoxCeleb: a large-scale speaker identification dataset
‌: Nagrani, A, և այլն
Հրապարակվել է: (2017)

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

The conversation: deep audio-visual speech enhancement
‌: Alfouras, T, և այլն
Հրապարակվել է: (2018)

Deep audio-visual speech recognition
‌: Afouras, T, և այլն
Հրապարակվել է: (2018)

Visual analytics for large-scale datasets
‌: Gani, Reinaldo
Հրապարակվել է: (2018)

QUERYD: a video dataset with high-quality text and audio narrations
‌: Oncescu, A-M, և այլն
Հրապարակվել է: (2021)

Localizing visual sounds the hard way
‌: Vedaldi, A, և այլն
Հրապարակվել է: (2021)

Audio-visual modelling in a clinical setting
‌: Jiao, J, և այլն
Հրապարակվել է: (2024)

Epic-sounds: a large-scale dataset of actions that sound
‌: Huh, J, և այլն
Հրապարակվել է: (2023)

Seeing wake words: Audio-visual keyword spotting
‌: Momeni, L, և այլն
Հրապարակվել է: (2020)

A Large-Scale Benchmark Dataset for Anomaly Detection and Rare Event Classification for Audio Forensics
‌: Ahmed Abbasi, և այլն
Հրապարակվել է: (2022-01-01)

Look, listen and recognise: character-aware audio-visual subtitling
‌: Korbar, B, և այլն
Հրապարակվել է: (2024)

Self-supervised learning of audio-visual objects from video
‌: Afouras, T, և այլն
Հրապարակվել է: (2020)

A sound approach: using large language models to generate audio descriptions for egocentric text-audio retrieval
‌: Oncescu, A-M, և այլն
Հրապարակվել է: (2024)

Geometric latent dirichlet allocation on a matching graph for large-scale image datasets
‌: Philbin, J, և այլն
Հրապարակվել է: (2010)

My lips are concealed: audio-visual speech enhancement through obstructions
‌: Afouras, T, և այլն
Հրապարակվել է: (2019)

Development of a large-scale medical visual question-answering dataset
‌: Xiaoman Zhang, և այլն
Հրապարակվել է: (2024-12-01)

Audio-visual modelling in a clinical setting
‌: Jianbo Jiao, և այլն
Հրապարակվել է: (2024-07-01)

GCE: An Audio-Visual Dataset for Group Cohesion and Emotion Analysis
‌: Eunchae Lim, և այլն
Հրապարակվել է: (2024-08-01)

EPIC-fusion: audio-visual temporal binding for egocentric action recognition
‌: Kazakos, E, և այլն
Հրապարակվել է: (2020)

LUMINA: Linguistic unified multimodal Indonesian natural audio-visual dataset
‌: Eka Rahayu Setyaningsih, և այլն
Հրապարակվել է: (2024-06-01)

TIM: a time interval machine for audio-visual action recognition
‌: Chalk, J, և այլն
Հրապարակվել է: (2024)

Inductive visual localisation: factorised training for superior generalisation
‌: Gupta, A, և այլն
Հրապարակվել է: (2018)

Inductive visual localisation: factorised training for superior generalisation
‌: Gupta, A, և այլն
Հրապարակվել է: (2018)

Creating DALI, a Large Dataset of Synchronized Audio, Lyrics, and Notes
‌: Gabriel Meseguer-Brocal, և այլն
Հրապարակվել է: (2020-06-01)

Learning to discover novel visual categories via deep transfer clustering
‌: Han, K, և այլն
Հրապարակվել է: (2020)

A3CarScene: An audio-visual dataset for driving scene understanding
‌: Michela Cantarini, և այլն
Հրապարակվել է: (2023-06-01)

Voxceleb: large-scale speaker verification in the wild
‌: Nagrani, A, և այլն
Հրապարակվել է: (2019)

Audio-visual deception detection: DOLOS dataset and parameter-efficient crossmodal learning
‌: Guo, Xiaobao, և այլն
Հրապարակվել է: (2023)

A large-scale fMRI dataset for the visual processing of naturalistic scenes
‌: Zhengxin Gong, և այլն
Հրապարակվել է: (2023-08-01)