PulseAugur
中
实时 08:33:05
English(EN) TV-AudioRemover: Joint Text-Visual Guided Sound Removal with Multi-Task Hard-Mixture Curriculum

新的TV-AudioRemover框架实现了视频中多模态声音移除

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出TV-AudioRemover，一个新颖的框架，旨在从视频中移除与特定视觉对象相关的声音。与依赖单模态控制的先前方法不同，TV-AudioRemover利用视觉编辑的视频和自然语言指令进行更有效的多模态引导。该项目还包括创建一个用于训练的大规模数据集，一个名为AV-Remove-Bench的用于评估的综合基准，以及一个基于MLLM的评估协议。 AI

影响 这项研究通过实现与视觉编辑同步的精确音频操作，可能带来更复杂的视频编辑工具。

排序理由 这是一篇描述新方法和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的TV-AudioRemover框架实现了视频中多模态声音移除

本文如何被排名

Signal score
16 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
这是一篇描述新方法和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Xinyue Guo, Jianxuan Yang, Daiguo Zhou, Jiagao Hu, Yuxuan Chen, Fei Wang, Jian Luan ·

    TV-AudioRemover：联合文本-视觉引导的音频移除与多任务硬混合课程

    arXiv:2609.25864v2 Announce Type: replace-cross Abstract: Visual object removal can eliminate a target from video frames, yet its acoustic trace persists in the soundtrack, causing obvious audio-visual inconsistency. Existing video inpainting models operate solely on pixels, whil…

相关实体

相关话题