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地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Unified Audio-visual Saliency Model for Omnidirectional Videos with Spatial Audio

计算机科学 视听 音频挖掘 人工智能 可视化 空间分析 感知 语音识别 计算机视觉 声学模型 多媒体 语音处理 遥感 生物 地质学 神经科学
作者
Dandan Zhu,Kaiwei Zhang,Nana Zhang,Qiangqiang Zhou,Xiongkuo Min,Guangtao Zhai,Xiaokang Yang
出处
期刊:IEEE Transactions on Multimedia [Institute of Electrical and Electronics Engineers]
卷期号:26: 764-775 被引量:4
标识
DOI:10.1109/tmm.2023.3271022
摘要

Spatial audio is a crucial component of omnidirectional videos (ODVs), which can provide an immersive experience by enabling viewers to perceive sound sources in all directions. However, most visual attention modeling works for ODVs focus only on visual cues, and audio modality is rather rarely considered. Additionally, the existing audio-visual saliency models for ODVs lack spatial audio location-awareness (i.e. sound source location-agnostic) and audio content attributes discriminability (i.e. audio content attributes-agnostic). To this end, we propose a novel audio-visual perception saliency (AVPS) model with spatial audio location-awareness and audio content attributes-adaptive to efficiently address the problem of fixation prediction in ODVs. Specifically, we first utilize the improved group equivariant convolutional neural network (G-CNN) with eidetic 3D LSTM (E3D-LSTM) to extract spatial-temporal visual features. Then we perceive sound source locations by computing the audio energy map (AEM) of the audio information in ODVs. Subsequently, we introduce SoundNet to extract audio features with multiple attributes. Finally, we develop an audio-visual feature fusion module to adaptively integrate spatial-temporal visual features and spatial auditory information to generate the final audio-visual saliency map. Extensive experiments in three audio modalities validate the effectiveness of the proposed model. Meanwhile, the performance of the proposed model is superior to the other 10 state-of-the-art saliency models.
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
PDF的下载单位、IP信息已删除 (2025-6-4)

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
吊炸天完成签到 ,获得积分10
4秒前
科研通AI6应助Saikii采纳,获得10
15秒前
广州小肥羊完成签到 ,获得积分10
26秒前
1分钟前
八两完成签到,获得积分10
1分钟前
1分钟前
阿空完成签到 ,获得积分10
1分钟前
方白秋完成签到,获得积分0
3分钟前
3分钟前
4分钟前
110o发布了新的文献求助10
4分钟前
深情安青应助毛毛采纳,获得10
4分钟前
4分钟前
科研通AI6应助eason采纳,获得10
4分钟前
传奇3应助天真千易采纳,获得10
5分钟前
安静的棉花糖完成签到 ,获得积分10
5分钟前
6分钟前
天真千易发布了新的文献求助10
6分钟前
量子星尘发布了新的文献求助10
6分钟前
慕青应助科研通管家采纳,获得10
6分钟前
vitamin完成签到 ,获得积分10
7分钟前
7分钟前
万能图书馆应助柏风华采纳,获得10
7分钟前
阳光的丹雪完成签到,获得积分10
7分钟前
Saikii发布了新的文献求助10
8分钟前
8分钟前
糟糕的翅膀完成签到,获得积分10
9分钟前
狂野的含烟完成签到 ,获得积分10
9分钟前
外向的妍完成签到,获得积分10
9分钟前
汉堡包应助twk采纳,获得10
10分钟前
10分钟前
宁宁发布了新的文献求助10
10分钟前
目眩发布了新的文献求助10
11分钟前
charih完成签到 ,获得积分10
11分钟前
11分钟前
mzhang2完成签到 ,获得积分10
12分钟前
我是老大应助科研通管家采纳,获得10
12分钟前
nano完成签到 ,获得积分10
12分钟前
12分钟前
Nene完成签到 ,获得积分20
13分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Introduction to Early Childhood Education 1000
List of 1,091 Public Pension Profiles by Region 921
Aerospace Standards Index - 2025 800
Identifying dimensions of interest to support learning in disengaged students: the MINE project 800
流动的新传统主义与新生代农民工的劳动力再生产模式变迁 500
Historical Dictionary of British Intelligence (2014 / 2nd EDITION!) 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 遗传学 催化作用 冶金 量子力学 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 5432611
求助须知:如何正确求助?哪些是违规求助? 4545081
关于积分的说明 14195257
捐赠科研通 4464560
什么是DOI,文献DOI怎么找? 2447184
邀请新用户注册赠送积分活动 1438524
关于科研通互助平台的介绍 1415387