清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

A Survey of Cross-Modal Visual Content Generation

计算机科学 模式 标杆管理 情态动词 模态(人机交互) 数据科学 钥匙(锁) 领域(数学) 资源(消歧) 连贯性(哲学赌博策略) 人工智能 多媒体 量子力学 物理 社会学 业务 营销 化学 高分子化学 纯数学 计算机安全 社会科学 数学 计算机网络
作者
Fatemeh Nazarieh,Zhenhua Feng,Muhammad Awais,Wenwu Wang,Josef Kittler
出处
期刊:IEEE Transactions on Circuits and Systems for Video Technology [Institute of Electrical and Electronics Engineers]
卷期号:34 (8): 6814-6832
标识
DOI:10.1109/tcsvt.2024.3351601
摘要

Cross-modal content generation has become very popular in recent years. To generate high-quality and realistic content, a variety of methods have been proposed. Among these approaches, visual content generation has attracted significant attention from academia and industry due to its vast potential in various applications. This survey provides an overview of recent advances in visual content generation conditioned on other modalities, such as text, audio, speech, and music, with a focus on their key contributions to the community. In addition, we summarize the existing publicly available datasets that can be used for training and benchmarking cross-modal visual content generation models. We provide an in-depth exploration of the datasets used for audio-to-visual content generation, filling a gap in the existing literature. Various evaluation metrics are also introduced along with the datasets. Furthermore, we discuss the challenges and limitations encountered in the area, such as modality alignment and semantic coherence. Last, we outline possible future directions for synthesizing visual content from other modalities including the exploration of new modalities, and the development of multi-task multi-modal networks. This survey serves as a resource for researchers interested in quickly gaining insights into this burgeoning field.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
9秒前
10秒前
29秒前
37秒前
Lorin完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
2分钟前
2分钟前
2分钟前
2分钟前
2分钟前
2分钟前
2分钟前
2分钟前
老张完成签到 ,获得积分10
2分钟前
2分钟前
2分钟前
3分钟前
3分钟前
3分钟前
3分钟前
紫熊发布了新的文献求助10
3分钟前
3分钟前
3分钟前
3分钟前
3分钟前
3分钟前
3分钟前
谦也静熵完成签到,获得积分10
4分钟前
紫熊发布了新的文献求助20
4分钟前
4分钟前
4分钟前
方白秋完成签到,获得积分10
4分钟前
4分钟前
4分钟前
4分钟前
Richard完成签到 ,获得积分10
4分钟前
4分钟前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Handbook of Qualitative Cross-Cultural Research Methods 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3139610
求助须知:如何正确求助?哪些是违规求助? 2790479
关于积分的说明 7795348
捐赠科研通 2446958
什么是DOI,文献DOI怎么找? 1301526
科研通“疑难数据库(出版商)”最低求助积分说明 626259
版权声明 601176