arXiv · cs.AI · Jaeyeon Kim, Sebastian Braun, Hannes Gamper · 10 小时前模型评分38
Spatial Transfusion：统一空间音频理解、生成与编辑的 FOA 框架
Spatial Transfusion: From Structured Spatial Scene Understanding to Generation and Editing
导读
Spatial Transfusion 将预训练空间音频理解模型扩展至生成与编辑，通过 VAE 潜变量上的流匹配实现统一的一阶 Ambisonics（FOA，First-Order Ambisonics）框架。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We present Spatial Transfusion, a unified first-order ambisonics (FOA) framework that extends a pretrained spatial audio understanding model to generation and editing through flow matching over VAE latents.”
来源：arXiv · cs.AI · arxiv.org