arXiv cs.CV· Hanmo Chen, Chengcheng Liu, Tianxiao Chen, Zheyu Zhang, Siming Zheng, Jinwei Chen, Xu Yang, Cheng Deng, Bo Li, Peng-tao Jiang·· 11 天前AI 评分36
StereoBind：学习动态空间对应以实现沉浸式音视频联合生成
Here the World in Stereo: Learning Dynamic Spatial Correspondence for Immersive Joint Video-Audio Generation
AI 导读
StereoBind 框架将视觉源运动与立体声音频生成绑定，以提升沉浸式音视频联合生成中的动态空间对应。它通过 Visual Motion Binding、Spatial Track Encoder 与 Residual Track RoPE 三种机制，用运动轨迹协调视觉运动与立体声。
来源：arXiv cs.CV · arxiv.org