Generating Instrument Sounds Aligned with Video via Human Body Keypoints A Deep Learning Approach to Multimodal Audio-Visual Synthesis

Sprache: Englisch

Verlag: GRIN Verlag, 2026

3389179836 / 9783389179833

Anbieter: Home-set, Mannheim, DeutschlandHome-set

Verkäufer/-in mit 5 Sternen

Verkäufer:in bei AbeBooks seit 13. April 2026

Softcover

Zustand: Neu

EUR 18,95

EUR 49,90 Versand 
Versand von Deutschland nach USA

Anzahl: 2 verfügbar

In den Warenkorb
30 Tage kostenlose Rückgabe

Artikelbeschreibung des Verkäufers

Research Paper (undergraduate) from the year 2026 in the subject Computer Science, grade: Good, language: English, abstract: Historical video archives and recordings from the past often suffer from degraded or completely missing audio tracks due to deterioration of storage media, recording limitations of the era, or loss during archival processes. Similarly, silent films and performance documentation may lack synchronized sound entirely. Emerging generative artificial intelligence techniques have demonstrated the potential to reconstruct missing audio content by analyzing visual information alone-a capability particularly valuable for restoring cultural heritage materials and historical performance recordings. However, when applied to complex activities such as musical instrument performance, existing methods have shown limited accuracy in capturing the nuances of sound production. Prior research has established that SpecVQGAN architectures combined with Transformer-based mechanisms can improve video-to-audio generation. This work introduces an enhanced model that augments SpecVQGAN by incorporating human skeletal pose features, specifically designed to elevate the quality of generated musical instrument sounds. Through comprehensive evaluation using both subjective user studies and objective quantitative metrics, we demonstrate that the proposed framework significantly outperforms existing approaches in reconstructing authentic instrumental audio from archival and silent performance videos. Sprache: Englisch Gewicht in Gramm: 73.…

Titel
Generating Instrument Sounds Aligned with Video via Human Body Keypoints A Deep Learning Approach to Multimodal Audio-Visual Synthesis
Autor
Yasuyuki Tahara, Akihiko Ohsuga, Yuichi Sei, Haruka Okano
Verlag
GRIN Verlag
Erscheinungsjahr
2026
Zustand
Neu
Einband
Softcover/Taschenbuch
Sprache
Englisch
ISBN-10
3389179836
ISBN-13
9783389179833
Artikelgewicht
73 Gramm

Home-set

Mannheim, Deutschland

Verkäufer/-in mit 5 Sternen

Verkäufer:in bei AbeBooks seit 13. April 2026

Versandkosten von Deutschland nach USA

Artikel10 bis 12 Werktage8 bis 10 Werktage
Erster ArtikelEUR 49,90EUR 75,00
Die Versandzeiten werden von den Verkäuferinnen und Verkäufern festgelegt. Sie variieren je nach Versanddienstleister und Standort. Sendungen, die den Zoll passieren, können Verzögerungen unterliegen. Eventuell anfallende Abgaben oder Gebühren sind von der Käuferin bzw. dem Käufer zu tragen. Die Verkäuferin bzw. der Verkäufer kann Sie bezüglich zusätzlicher Versandkosten kontaktieren, um einen möglichen Anstieg der Versandkosten für Ihre Artikel auszugleichen.

Zahlungsarten

  • Visa
  • Mastercard
  • American Express
  • Carte Bleue
  • Apple Pay
  • Google Pay
  • Vorauskasse

Spezialisierung

Buch