arXiv cs.SD RSS·· 3 小时前
PLACE：基于条件嵌入的位置潜在适配用于双耳音频生成
PLACE: Positional Latent Adaptation via Conditioned Embeddings for Binaural Audio Generation
摘要
PLACE 通过条件嵌入的位置潜在适配方法，扩展预训练任意到音频模型 AudioX，实现由文本、视频及可选音频提示组合生成双耳音频。该方法用 Perception Encoder Core 特征增强视频条件，对齐文本与视频表示以提取空间线索，并对生成潜在施加条件相关低秩变换，以解码音频的双耳声级差与时间差为目标监督适配器。
应来源方要求，这里只提供摘要与原文入口。完整内容请阅读原文。
来源：arXiv cs.SD RSS · arxiv.org