Vggsound: a large-scale audio-visual dataset

Vggsound: a large-scale audio-visual dataset

Dettagli Bibliografici
Autori principali:	Chen, H, Xie, W, Vedaldi, A, Zisserman, A
Natura:	Conference item
Lingua:	English
Pubblicazione:	IEEE 2020

Documenti analoghi

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Visual analytics for large-scale datasets
di: Gani, Reinaldo
Pubblicazione: (2018)

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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