原创力文档- 1、本文档共74页，其中可免费阅读23页，需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
近年来，随着人工智能技术日新月异的发展，从音频信息到视觉信息的跨模态视频
生成研究得到了广泛关注。基于音频驱动的视频生成模型为计算机视觉和智能感知提供
了很多的应用场景，比如多媒体内容生成，电影制作等。基于音频驱动实现的视频生成
任务，主要分为一般场景视频生成和说话人视频生成。
音频信息提取和多模态特征融合是从音频到视频生成两个最重要的任务。音频信息
提取阶段：通过对音频文件的特征提取，对音频进行多维度特征信息提取及编码处理。
多模态特征融合阶段：将视觉信息与音频信息建立关联，通过特征
文档评论（0）