Hugging Face Daily Papers· Abhinav Sharma·· 20 天前AI 评分24
视频-音频联合与跨模态生成及编辑：统一形式化与设计分类体系
Joint and Cross-Modal Video-Audio Generation and Editing: A Unified Formulation and Design Taxonomy
AI 导读
一篇综述将视频-音频联合生成、跨模态生成与联合编辑统一形式化为同一音视频对分布上的三类问题，并沿五个设计维度对现有方法进行分类比较。该综述围绕"输出如何在时间与语义上保持跨模态一致"这一核心问题组织，作者称这是首个此类概览。
来源：Hugging Face Daily Papers · huggingface.co