arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

视觉与机器人

图像生成

图像生成、文生图、图像编辑、扩散模型和可控生成。

2026-03-25 至 2026-03-25 共收录 74 信号源:cs.CV, cs.GR, cs.MM

1. 扩散模型 48 篇

2512.03044 2026-03-25 cs.RO 78%

Video2Act: A Dual-System Video Diffusion Policy with Robotic Spatio-Motional Modeling

Video2Act:一种双系统视频扩散策略,具有机器人空间-运动建模

Yueru Jia, Jiaming Liu, Shengbang Liu, Rui Zhou, Wanhe Yu, Yuyang Yan, Xiaowei Chi, Yandong Guo, Boxin Shi, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University(信息处理国家重点实验室,北京大学计算机学院) AI 2 Robotics(AI与机器人) Hong Kong University of Science and Technology(香港科学与技术大学)

专题命中 扩散模型 :diffusion(title,abstract)

AI总结 Video2Act通过整合空间和运动感知表示,提升机器人动作学习效率,其双系统设计在仿真和现实任务中均取得显著成果。

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.22076 2026-03-25 cs.AI 78%

Hybrid Stackelberg Game and Diffusion-based Auction for Two-tier Agentic AI Task Offloading in Internet of Agents

混合斯塔克伯格博弈与基于扩散的拍卖用于互联网代理中两层代理AI任务卸载

Yue Zhong, Yongju Tong, Jiawen Kang, Minghui Dai, Hong-Ning Dai, Zhou Su, Dusit Niyato

专题命中 扩散模型 :diffusion(title,abstract)

AI总结 本文提出一种两层优化方法,通过多领导者多跟随者斯塔克伯格博弈和双荷兰拍卖模型,解决智能体任务卸载问题,提升资源利用效率。

Comments Revisions are needed

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.08369 2026-03-25 cs.LG 78%

Guided Star-Shaped Masked Diffusion

引导式星形遮蔽扩散

Viacheslav Meshchaninov, Egor Shibaev, Artem Makoian, Ivan Klimov, Nikita Balagansky, Daniil Gavrilov, Aibek Alanov, Dmitry Vetrov

专题命中 扩散模型 :diffusion(title,abstract)

AI总结 本文提出一种引导式星形遮蔽扩散算法,通过轻量级微调提升样本质量和效率,采用星形范式实现内在误差纠正,结合可学习重遮蔽调度器有效修正可能错误,在文本和代码生成中表现优异。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.22307 2026-03-25 cs.LG 78%

Full waveform inversion method based on diffusion model

基于扩散模型的全波形反演方法

Caiyun Liu, Siyang Pei, Qingfeng Yu, Jie Xiong

机构 * School of Information and Mathematics, Yangtze University(信息与数学学院,长江大学) School of Electronic Information and Electrical Engineering, Yangtze University(电子信息与电气工程学院,长江大学)

专题命中 扩散模型 :diffusion(title,abstract)

AI总结 本文提出基于条件扩散模型的全波形反演方法,通过引入二维密度信息提升反演精度与稳定性,改进了传统方法在非线性与初始模型依赖性方面的不足。

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.04338 2026-03-25 cs.CV cs.AI 77%

From Editor to Dense Geometry Estimator

从编辑器到密集几何估计器

JiYuan Wang, Chunyu Lin, Lei Sun, Rongying Liu, Lang Nie, Mingxing Li, Kang Liao, Xiangxiang Chu

机构 * BJTU(北京工业大学) Alibaba Group(阿里巴巴集团) CQUPT(重庆大学) NTU(国立科技大学)

专题命中 扩散模型 :text-to-image(abstract);diffusion(abstract);image editing(abstract);分类 cs.CV

AI总结 本文分析了编辑器和生成器在密集几何估计中的微调行为,提出FE2E框架,通过改进编辑模型的训练目标和精度处理,实现了零样本单目深度和法线估计的显著提升。

Comments Accepted to CVPR 2026, 18pages, with appendix

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.22520 2026-03-25 cond-mat.mtrl-sci 71%

AI-supported Degradation Study of Carbon-based Perovskite Solar Cells: Learning the Device Physics of Perovskite Solar Cells: A Drift-Diffusion Guided Autoencoder Approach

基于AI的碳基钙钛矿太阳能电池退化研究:学习钙钛矿太阳能电池的设备物理:一种漂移-扩散引导的自编码器方法

Oliver Zbinden, Sharun Parayil Shaji, Wolfgang Tress

专题命中 扩散模型 :diffusion(title)

AI总结 本文利用机器学习分析碳电极钙钛矿太阳能电池在老化过程中的电流-电压曲线,通过预测物理参数揭示退化机制,并构建数字孪生进行验证。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.23326 2026-03-25 cs.CV 57%

ViBe: Ultra-High-Resolution Video Synthesis Born from Pure Images

ViBe:源自纯图像的超高清视频合成

Yunfeng Wu, Hongying Cheng, Zihao He, Songhua Liu

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University(上海交通大学人工智能学院) Xi'an Jiaotong-Liverpool University(西安交通大学利物浦大学) Jilin University(吉林大学)

专题命中 扩散模型 :diffusion(abstract);分类 cs.CV

AI总结 本文提出纯图像适应框架,通过两阶段LoRA策略提升视频扩散模型生成超高清视频的能力,无需视频训练数据,在VBench基准上超越现有最佳模型。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.02982 2026-03-25 cs.CV cs.RO 57%

U4D: Uncertainty-Aware 4D World Modeling from LiDAR Sequences

U4D:从LiDAR序列中构建不确定性感知的4D世界模型

Xiang Xu, Alan Liang, Youquan Liu, Linfeng Li, Lingdong Kong, Ziwei Liu, Qingshan Liu

机构 * Nanjing University of Aeronautics and Astronautics(南京航空航天大学) National University of Singapore(新加坡国立大学) Fudan University(复旦大学) S-Lab, Nanyang Technological University(南洋理工大学S实验室) Nanjing University of Posts and Telecommunications(南京邮电大学) SKL-TI

专题命中 扩散模型 :diffusion(abstract);分类 cs.CV

AI总结 本文提出U4D框架,通过估计空间不确定性图和分阶段生成方法,提升LiDAR序列的几何精度和时间一致性,推动自动驾驶感知与模拟的可靠性。

Comments CVPR 2026; 20 pages, 7 figures, 11 tables; Code at https://github.com/worldbench/U4D

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.03334 2026-03-25 cs.CV 57%

UniAVGen: Unified Audio and Video Generation with Asymmetric Cross-Modal Interactions

UniAVGen:基于非对称跨模态交互的统一音频视频生成

Guozhen Zhang, Zixiang Zhou, Teng Hu, Ziqiao Peng, Youliang Zhang, Yi Chen, Yuan Zhou, Qinglin Lu, Limin Wang

机构 * State Key Laboratory for Novel Software Technology(新型软件技术国家重点实验室) Tencent Hunyuan(腾讯文英) Shanghai Jiao Tong University(上海交通大学) Renmin University of China(中国人民大学) Tsinghua University(清华大学) Shanghai AI Lab(上海人工智能实验室)

专题命中 扩散模型 :diffusion(abstract);分类 cs.CV

AI总结 UniAVGen通过非对称跨模态交互机制和双分支联合合成架构,实现了音频视频的统一生成,提升同步精度和语义一致性,实验表明其在较少训练样本下表现更优。

Comments CVPR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2506.16210 2026-03-25 eess.IV cs.CV 57%

From Coarse to Continuous: Progressive Refinement Implicit Neural Representation for Motion-Robust Anisotropic MRI Reconstruction

从粗到连续:用于运动鲁棒各向异性MRI重建的渐进细化隐式神经表示

Zhenxuan Zhang, Lipei Zhang, Yanqi Cheng, Zi Wang, Fanwen Wang, Haosen Zhang, Yue Yang, Yinzhe Wu, Jiahao Huang, Angelica I Aviles-Rivero, Zhifan Gao, Guang Yang, Peter J. Lally

机构 * Department of Bioengineering and Imperial-X, Imperial College London(生物工程系和Imperial-X,帝国理工学院伦敦分校) Department of Bioengineering, Imperial College London(生物工程系,帝国理工学院伦敦分校)

专题命中 扩散模型 :diffusion(abstract);分类 cs.CV

AI总结 本文提出PR-INR框架,通过运动感知扩散模块、隐式细节恢复模块和体素连续感知表示模块,解决MRI重建中的运动、结构和各向异性问题,提升重建质量和鲁棒性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.23394 2026-03-25 eess.SP cs.ET 50%

Markov State--Space Modeling and Channel Characterization for DNA-Based Molecular Communication

基于马尔可夫状态空间建模和通道特性分析的DNA分子通信

Ruifeng Zheng, Zhihan Xu, Veronika Volkova, Pengjie Zhou, Martín Schottlender, Juan A. Cabrera, Frank H. P. Fitzek, Pit Hofmann

专题命中 扩散模型 :diffusion(abstract)

AI总结 本文基于马尔可夫状态空间建模和通道特性分析,研究DNA分子通信在微阵列接收下的可逆杂交问题,提出基于体素化反应-扩散模型的框架,推导分组二项计数模型并开发差分阈值检测器,验证了接收器性能对通道记忆制度的依赖性。

Comments 13 pages

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.23340 2026-03-25 cond-mat.mtrl-sci 50%

Experimental Insights into the Limiting Mechanism of Vacancy Transport in Sodium Metal Anodes for Solid State Batteries

对钠金属负极在固态电池中空位输运限制机制的实验洞察

Ansgar Lowack, Rafael Anton, Bingchen Xue, Kristian Nikolowski, Cornelius Dirksen, Mareike Partsch, Alexander Michaelis

专题命中 扩散模型 :diffusion(abstract)

AI总结 研究通过线性电流阶跃实验揭示钠金属电极在放电时空位积累机制,发现临界电流密度以上电压呈指数增长,激活能高于体扩散,表明界面热力学是输运瓶颈,合金层可降低激活能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2407.02134 2026-03-25 cs.IT math.IT 50%

Abstract Markov Random Fields

抽象马尔可夫随机场

Leon Lang, Clélia de Mulatier, Rick Quax, Patrick Forré

专题命中 扩散模型 :diffusion(abstract)

AI总结 本文研究了基于F函数的马尔可夫随机场,定义了F独立性和F马尔可夫随机场,并探讨了其在信息函数中的应用。

Comments 56 pages, 9 figures

Journal ref Compositionality, Volume 8 (2026) (March 20, 2026) compositionality:14620

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.23279 2026-03-25 cs.SI cs.AI 50%

Emergence of Fragility in LLM-based Social Networks: the Case of Moltbook

基于大语言模型的社会网络中脆弱性的涌现:以Moltbook为例

Luca Sodano, Sofia Sciangula, Amulya Galmarini, Francesco Bertolotti

机构 * School of Industrial Engineering Intelligence, Complexity and Technology Lab (ICT Lab)(工业工程智能、复杂性与技术实验室) LIUC - Università Cattaneo Castellanza(LIUC-卡塔内奥卡斯泰尔兰扎大学) Università Cattaneo Castellanza(卡塔内奥卡斯泰尔兰扎大学)

专题命中 扩散模型 :diffusion(abstract)

AI总结 研究分析Moltbook平台中基于大语言模型的智能体交互网络,发现其连接模式高度异质,存在核心外围结构,对随机节点移除较 resilient,但对高连接节点的攻击易受破坏,揭示AI社交系统可能发展出集中化与结构性脆弱性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.23110 2026-03-25 cond-mat.mtrl-sci cond-mat.mes-hall 50%

Formation of Ag and Au Plasmonic Nanoparticles by Ion Implantation in Ga$_2$O$_3$ thin films

通过离子注入在氧化镓薄膜中形成银和金等离子体纳米颗粒

Inês Freitas, Ana Sofia Sousa, Duarte Magalhães Esteves, Mamour Sall, Ângelo Rafael Granadeiro da Costa, Joana Madureira, Sandra Cabo Verde, Katharina Lorenz, Marco Peres

专题命中 扩散模型 :diffusion(abstract)

AI总结 研究首次通过离子注入在氧化镓薄膜中形成等离子体银和金纳米颗粒,通过热退火和透射电镜确认了金属纳米颗粒的形成,并观察到光吸收中局部表面等离子体共振带的变化。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.22553 2026-03-25 cond-mat.mtrl-sci 50%

LPC3D: An Enhanced Parallel Software for Large-Scale Simulation of Adsorption in Porous Carbons and Supercapacitors

LPC3D:一种用于大尺度吸附模拟的增强型并行软件

El Hassane Lahrar, Mathieu Salanne, Rudolf Weeber, Céline Merlet

专题命中 扩散模型 :diffusion(abstract)

AI总结 LPC3D软件通过并行计算模拟多孔碳材料和超级电容器的吸附过程,研究微观结构对吸附及光谱特性的影响。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.22468 2026-03-25 stat.ML cs.LG math.ST stat.TH 50%

SPDE Methods for Nonparametric Bayesian Posterior Contraction and Laplace Approximation

基于SPDE的非参数贝叶斯后验收缩与拉普拉斯近似方法

Enric Alberola-Boloix, Ioar Casado-Telletxea

机构 * Basque Center for Applied Mathematics (BCAM)(巴斯克应用数学中心)

专题命中 扩散模型 :diffusion(abstract)

AI总结 本文通过扩展Mou等人的扩散框架,推导了非参数贝叶斯模型的后验收缩率和有限样本伯恩斯坦-冯-米塞斯结果,并在希尔伯特空间上建立了拉普拉斯近似理论。

Comments 32 pages, under review

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.22439 2026-03-25 cond-mat.stat-mech cond-mat.dis-nn nlin.CD nlin.CG 50%

The damage spreading transition: a hierarchy of renormalization group fixed points

损伤传播相变:重整化群固定点的层次结构

Adam Nahum, Sthitadhi Roy

专题命中 扩散模型 :diffusion(abstract)

AI总结 研究损伤传播相变中重整化群固定点的层次结构,揭示其与方向渗透的关联及更高阶可观测量的普遍临界指数。

Comments 39 pages, 9 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.22401 2026-03-25 quant-ph cs.LG 50%

Probabilistic modeling over permutations using quantum computers

利用量子计算机进行排列概率建模

Vasilis Belis, Giulio Crognaletti, Matteo Argenton, Michele Grossi, Maria Schuld

机构 * Xanadu Quantum Technologies(Xanadu量子技术公司) Department of Physics, University of Trieste(特里斯特大学物理系) European Organization for Nuclear Research (CERN)(欧洲核子研究中心) Department of Physics and Earth Science, University of Ferrara(费拉拉大学物理与地球科学系)

专题命中 扩散模型 :diffusion(abstract)

AI总结 本文提出利用量子计算进行排列结构数据的谱方法,通过量子傅里叶变换构建精确的概率模型,克服传统方法的计算限制。

Comments 36 pages, 4 Figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.15426 2026-03-25 cond-mat.stat-mech stat.OT 50%

Exact and limit results for the CTRW in presence of drift and position dependent noise intensity

具有漂移和位置依赖噪声强度的CTRW的精确和极限结果

Marco Bianucci, Mauro Bologna, Riccardo Mannella

专题命中 扩散模型 :diffusion(abstract)

AI总结 本文研究了具有漂移和位置依赖跳跃的连续时间随机游走模型,推导了噪声的n时间相关函数闭式表达式及非局部主方程,揭示了在长时尺度下局部主方程可准确近似非局部主方程的普遍性。

Comments 76 pages, 12 Figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.13280 2026-03-25 cs.LG 50%

A Stability-Aware Frozen Euler Autoencoder for Physics-Informed Tracking in Continuum Mechanics (SAFE-PIT-CM)

面向连续力学物理约束跟踪的稳定性感知冻结欧拉自编码器(SAFE-PIT-CM)

Emil Hovad

机构 * Section for Statistics and Data Analysis, DTU Compute Technical University of Denmark(统计与数据分析部门,丹麦技术大学)

专题命中 扩散模型 :diffusion(abstract)

AI总结 本文提出SAFE-PIT-CM自编码器,通过冻结卷积层作为可微PDE求解器,解决连续力学中微结构场演变的扩散系数和物理场联合恢复问题,采用子步技术提升稳定性,验证在金属热扩散中具有高精度。

Comments 14 pages, 5 figures, 8 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.02441 2026-03-25 cond-mat.mtrl-sci 50%

The contribution of nitrogen Frenkel-pair formation to the high-temperature heat capacity of uranium mononitride

氮弗伦克尔对形成对铀氮化物高温比热容的贡献

Mohamed AbdulHameed, Benjamin Beeler

专题命中 扩散模型 :diffusion(abstract)

AI总结 研究通过分子动力学模拟探讨氮弗伦克尔对形成对铀氮化物比热容的影响,发现缺陷热容贡献达10 J/(mol·K),解释了高温比热容的超线性行为。

详情

展开后加载摘要…

URL PDF HTML 收藏
2507.13785 2026-03-25 cs.NE 50%

MorphoNAS: Embryogenic Neural Architecture Search Through Morphogen-Guided Development

MorphoNAS:通过形态生成指导的发育进行胚胎性神经架构搜索

Mykola Glybovets, Sergii Medvid

专题命中 扩散模型 :diffusion(abstract)

AI总结 MorphoNAS通过形态生成指导的发育机制,利用简单规则生成复杂神经网络,实现了在结构和功能任务上的高效神经架构搜索。

Comments 11 pages, 8 figures. Published in Kibernetyka i Systemnyj Analiz (Cybernetics and Systems Analysis), vol. 62, no. 2, 2026. English translation by Springer Nature forthcoming. v2: Aligned with published version; corrected author email address

Journal ref Kibernetyka i Systemnyj Analiz, 62(2), 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.22380 2026-03-25 cs.LG cs.AI 50%

Symbolic Graph Networks for Robust PDE Discovery from Noisy Sparse Data

符号图网络用于从噪声稀疏数据中鲁棒发现偏微分方程

Xingyu Chen, Junxiu An, Jun Guo, Yuqian Zhou

机构 * School of Software Engineering, Chengdu University of Information Technology(成都信息科技学院软件工程学院) School of Statistics, Chengdu University of Information Technology(成都信息科技学院统计学院) College of Applied Mathematics, Chengdu University of Information Technology(成都信息科技学院应用数学学院) Key Laboratory of Mathematical Meteorology, Chengdu University of Information Technology(成都信息科技学院数学气象重点实验室)

专题命中 扩散模型 :diffusion(abstract)

AI总结 本文提出符号图网络框架,通过图消息传递建模空间交互,结合符号回归提取可解释数学表达式,验证了在噪声和稀疏条件下发现偏微分方程的有效性。

Comments 31 pages, 5 figures, 7 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.22309 2026-03-25 cs.LG cs.AI 50%

UniFluids: Unified Neural Operator Learning with Conditional Flow-matching

UniFluids: 基于条件流匹配的统一神经算子学习

Haosen Li, Qi Meng, Jiahao Li, Rui Zhang, Ruihua Song, Liang Ma, Zhi-Ming Ma

机构 * Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院) Microsoft Research Asia(微软亚洲研究院) Renmin University of China(中国人民大学) Institute of Zoology, Chinese Academy of Sciences(中国科学院动物研究所)

专题命中 扩散模型 :diffusion(abstract)

AI总结 本文提出UniFluids框架,利用扩散Transformer的可扩展性,统一学习不同维度和物理变量的PDE解算子,通过四维时空表示实现联合训练与条件编码,提升预测精度与泛化能力。

Comments Preprint version. Work in progress

详情

展开后加载摘要…

URL PDF HTML 收藏

2. 可控生成 6 篇

2603.23381 2026-03-25 cs.CV 57%

FG-Portrait: 3D Flow Guided Editable Portrait Animation

FG-Portrait: 基于3D流的可编辑肖像动画

Yating Xu, Yunqi Miao, Evangelos Ververas, Jiankang Deng, Jifei Song

机构 * National University of Singapore(新加坡国立大学) University of Warwick(沃里克大学) Imperial College London(伦敦帝国理工学院) University of Surrey(萨里大学)

专题命中 可控生成 :diffusion(abstract);分类 cs.CV

AI总结 本文提出FG-Portrait,通过3D流引导的方法实现高质量的肖像动画生成,结合3D几何信息和扩散模型,提升驱动运动与源肖像的对应精度,并支持用户对表情和头部姿态的编辑。

Comments CVPR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.16740 2026-03-25 cs.CV 57%

Task-Oriented Data Synthesis and Control-Rectify Sampling for Remote Sensing Semantic Segmentation

面向任务的数据合成与控制-校正采样用于遥感语义分割

Yunkai Yang, Yudong Zhang, Kunquan Zhang, Jinxiao Zhang, Xinying Chen, Haohuan Fu, Runmin Dong

机构 * Sun Yat-Sen University(中山大学) Tsinghua University(清华大学) Beijing Institute of Technology(北京理工大学)

专题命中 可控生成 :diffusion(abstract);分类 cs.CV

AI总结 本文提出TODSynth框架,结合多模态扩散变换器和任务反馈驱动的采样策略,提升遥感语义分割数据合成效果,尤其在少样本和复杂场景中表现优异。

Comments Accepted by CVPR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.20095 2026-03-25 math.AP 50%

An eigenvalue problem for a nonlocal quasilinear anisotropic equation in fractional Orlicz Sobolev spaces without the $Δ_2$--condition

一个非局部准线性各向异性方程在无Δ₂-条件的分数Orlicz Sobolev空间中的特征值问题

Julian Fernandez Bonder, Martin Guzman, Juan F. Spedaletti

专题命中 可控生成 :diffusion(abstract)

AI总结 本文研究了一类非局部非标准生长扩散问题的特征值问题,不假设Young函数的Δ₂条件,证明了特征对序列(uk,λk)趋向于(0,+∞)的存在性。

Comments 18 pages, submitted

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.17658 2026-03-25 cond-mat.mtrl-sci 50%

Thermal Control of Size Distribution and Optical Properties in Gallium Nanoparticles

镓纳米颗粒尺寸分布与光学性质的热控制

S. Catalan-Gomez, M. Ibanez, J. Rico, V. Braza, D. F. Reyes, M. Villanueva-Blanco, E. Squiccimarro, J. M. Ulloa

专题命中 可控生成 :diffusion(abstract)

AI总结 研究通过调节基底温度控制镓纳米颗粒的成核、生长及均质化过程,发现300-350℃范围内可获得均匀分布的纳米颗粒,优化了等离子体质量因子,证实了氧化层形成对稳定均匀数组的重要性。

Comments Supporting Information is included within the document

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.19668 2026-03-25 eess.AS cs.AI cs.SD 50%

Selective Classifier-free Guidance for Zero-shot Text-to-speech

选择性分类器无关引导用于零样本文本到语音

John Zheng, Farhad Maleki

机构 * University of Calgary, Department of Computer Science, Canada(卡尔加里大学计算机科学系)

专题命中 可控生成 :image generation(abstract)

AI总结 本文研究了分类器无关引导在零样本文本到语音中的应用,发现传统方法在语音合成中效果不佳,通过分步应用选择性引导策略可提升说话人相似性并保持文本一致性。

Comments 5 pages, 7 figures, 1 table. Revision 1: removed ICASSP copyright notice

详情

展开后加载摘要…

URL PDF HTML 收藏