09:23
官方账号arXiv cs.LG@Zehua Chen, Junyou Wang, Yuxuan Jiang, Zhenying Fang, Yusheng Dai, Jianfei Chen, Ziwei Liu, Jun Zhu
推荐理由：这篇论文提出用时间差异做视频生成音频，不用额外网络，效果还超过了对比预训练方法，值得做V2A的人看看。
TD-V2A
共 1 条相关 AI 资讯
8月6日
09:23
TD-V2A是一种基于扩散模型的视频到音频生成方法，利用时间差异作为区分视频与图像的关键表示。研究对比了帧级和特征级的时间差异，发现特征级更有效。该方法引入分层持续学习策略和退火时间差异引导，在基准数据集上取得优于对比音视频预训练的效果。