논문 정보
- 날짜:
2026-03-01 - 카테고리: -
- 우선순위 점수: 0.0
핵심 요약
비디오-오디오 생성 모델에서 짧은 데이터로 학습하여 5분 이상의 긴 오디오를 생성할 수 있는 MMHNet을 제안합니다. 계층적 구조와 non-causal Mamba를 결합하여 긴 시퀀스에 대한 일반화 성능을 확보했습니다. 실험을 통해 기존 모델들이 한계를 보였던 장기 비디오-오디오 생성 벤치마크에서 우수한 성능을 입증했습니다.학습자 관점 포인트
- 우리 팀 영향: 긴 비디오 콘텐츠에 대한 오디오 생성 시 데이터 부족 문제를 해결하고 추론 효율성을 높이는 데 기여할 수 있습니다.
- 권장 액션: 실험
- 액션 근거: Mamba 구조를 활용한 장기 시퀀스 생성 기법이 기존 트랜스포머 기반 모델의 한계를 극복할 수 있는지 검증이 필요합니다.
원문 링크
- arXiv: https://arxiv.org/abs/2602.20981
- Hugging Face Papers: https://huggingface.co/papers/2602.20981