用語集 › audio-video
GLOSSARY
audio-video
音声と映像の。両方をまとめて扱う
1本の論文題名に登場
定義
音声と映像の両方の流れをまとめて扱うことを示す語。口の動きと声、画面上の出来事とその音のように、二つの様式は時間軸で対応しているため、その同期が学習信号にも評価軸にもなる。単に入力が二つあるマルチモーダルというより、時間的な整合そのものが主題である点が特徴。
論文題名での読み方
2つの様式を同時に扱う
この語が出てくる解説
- 論文解説 The Missing Temporal Link — 台本の「時刻」を映像と音声の時間軸に載せるTemporal Context RoutingThe Missing Temporal Link: Temporal Context Routing for Script-Driven Audio-Video Generation
- 論文解説: DreamX-Creator — 音と映像を「同時に」作る7Bモデルと、2Kへの1ステップ仕上げDreamX-Creator: Democratizing Native Audio-Video Generation at 2K Resolution