Vggsound: a large-scale audio-visual dataset

Vggsound: a large-scale audio-visual dataset

Номзүйн дэлгэрэнгүй
Үндсэн зохиолчид:	Chen, H, Xie, W, Vedaldi, A, Zisserman, A
Формат:	Conference item
Хэл сонгох:	English
Хэвлэсэн:	IEEE 2020

Ижил төстэй зүйлс

Audio-visual synchronisation in the wild
-н: Chen, H, зэрэг
Хэвлэсэн: (2021)

On-the-fly learning for visual search of large-scale image and video datasets
-н: Chatfield, K, зэрэг
Хэвлэсэн: (2015)

Large scale evaluation of local image featuredetectors on homography datasets
-н: Lenc, K, зэрэг
Хэвлэсэн: (2018)

Deep Fisher networks for large-scale image classification
-н: Simonyan, K, зэрэг
Хэвлэсэн: (2013)

A large-scale and PCR-referenced vocal audio dataset for COVID-19
-н: Budd, J, зэрэг
Хэвлэсэн: (2024)

Large scale evaluation of local image feature detectors on homography datasets
-н: Lenc, K, зэрэг
Хэвлэсэн: (2018)

A large-scale and PCR-referenced vocal audio dataset for COVID-19
-н: Jobie Budd, зэрэг
Хэвлэсэн: (2024-06-01)

Sparse in space and time: audio-visual synchronisation with trainable selectors
-н: Iashin, V, зэрэг
Хэвлэсэн: (2022)

Large-scale audio dataset for emergency vehicle sirens and road noises
-н: Muhammad Asif, зэрэг
Хэвлэсэн: (2022-10-01)

Character-aware audio-visual subtitling in context
-н: Huh, J, зэрэг
Хэвлэсэн: (2024)

VoxCeleb: a large-scale speaker identification dataset
-н: Nagrani, A, зэрэг
Хэвлэсэн: (2017)

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

The conversation: deep audio-visual speech enhancement
-н: Alfouras, T, зэрэг
Хэвлэсэн: (2018)

Deep audio-visual speech recognition
-н: Afouras, T, зэрэг
Хэвлэсэн: (2018)

Visual analytics for large-scale datasets
-н: Gani, Reinaldo
Хэвлэсэн: (2018)

QUERYD: a video dataset with high-quality text and audio narrations
-н: Oncescu, A-M, зэрэг
Хэвлэсэн: (2021)

Localizing visual sounds the hard way
-н: Vedaldi, A, зэрэг
Хэвлэсэн: (2021)

Audio-visual modelling in a clinical setting
-н: Jiao, J, зэрэг
Хэвлэсэн: (2024)

Epic-sounds: a large-scale dataset of actions that sound
-н: Huh, J, зэрэг
Хэвлэсэн: (2023)

Seeing wake words: Audio-visual keyword spotting
-н: Momeni, L, зэрэг
Хэвлэсэн: (2020)

A Large-Scale Benchmark Dataset for Anomaly Detection and Rare Event Classification for Audio Forensics
-н: Ahmed Abbasi, зэрэг
Хэвлэсэн: (2022-01-01)

Look, listen and recognise: character-aware audio-visual subtitling
-н: Korbar, B, зэрэг
Хэвлэсэн: (2024)

Self-supervised learning of audio-visual objects from video
-н: Afouras, T, зэрэг
Хэвлэсэн: (2020)

A sound approach: using large language models to generate audio descriptions for egocentric text-audio retrieval
-н: Oncescu, A-M, зэрэг
Хэвлэсэн: (2024)

Geometric latent dirichlet allocation on a matching graph for large-scale image datasets
-н: Philbin, J, зэрэг
Хэвлэсэн: (2010)

My lips are concealed: audio-visual speech enhancement through obstructions
-н: Afouras, T, зэрэг
Хэвлэсэн: (2019)

Development of a large-scale medical visual question-answering dataset
-н: Xiaoman Zhang, зэрэг
Хэвлэсэн: (2024-12-01)

Audio-visual modelling in a clinical setting
-н: Jianbo Jiao, зэрэг
Хэвлэсэн: (2024-07-01)

GCE: An Audio-Visual Dataset for Group Cohesion and Emotion Analysis
-н: Eunchae Lim, зэрэг
Хэвлэсэн: (2024-08-01)

EPIC-fusion: audio-visual temporal binding for egocentric action recognition
-н: Kazakos, E, зэрэг
Хэвлэсэн: (2020)

LUMINA: Linguistic unified multimodal Indonesian natural audio-visual dataset
-н: Eka Rahayu Setyaningsih, зэрэг
Хэвлэсэн: (2024-06-01)

TIM: a time interval machine for audio-visual action recognition
-н: Chalk, J, зэрэг
Хэвлэсэн: (2024)

Inductive visual localisation: factorised training for superior generalisation
-н: Gupta, A, зэрэг
Хэвлэсэн: (2018)

Inductive visual localisation: factorised training for superior generalisation
-н: Gupta, A, зэрэг
Хэвлэсэн: (2018)

Creating DALI, a Large Dataset of Synchronized Audio, Lyrics, and Notes
-н: Gabriel Meseguer-Brocal, зэрэг
Хэвлэсэн: (2020-06-01)

Learning to discover novel visual categories via deep transfer clustering
-н: Han, K, зэрэг
Хэвлэсэн: (2020)

A3CarScene: An audio-visual dataset for driving scene understanding
-н: Michela Cantarini, зэрэг
Хэвлэсэн: (2023-06-01)

Voxceleb: large-scale speaker verification in the wild
-н: Nagrani, A, зэрэг
Хэвлэсэн: (2019)

Audio-visual deception detection: DOLOS dataset and parameter-efficient crossmodal learning
-н: Guo, Xiaobao, зэрэг
Хэвлэсэн: (2023)

A large-scale fMRI dataset for the visual processing of naturalistic scenes
-н: Zhengxin Gong, зэрэг
Хэвлэсэн: (2023-08-01)