
The core message of this article is to introduce a new task called Text to Audible-Video Generation (TAVG), which requires generating synchronized audio and video content from text descriptions. To support this task, the authors propose a large-scale benchmark dataset called TAVGBench and a baseline model called TAVDiffusion that leverages latent diffusion to jointly generate audio and video.


coremsg

comprehensive-benchmark-for-text-to-audible-video-generation


Comprehensive Benchmark for Text-to-Audible Video Generation


title_rewrite


텍스트 기반 청각-영상 생성 작업은 오디오와 비디오 요소의 정확한 정렬을 요구하는 새로운 과제이다. TAVGBench는 이를 지원하기 위한 대규모 데이터셋과 평가 지표를 제공하며, TAVDiffusion은 이 과제에 대한 기초 모델을 제시한다.


텍스트에서-청각-영상-생성을-위한-벤치마크-tavgbench


텍스트에서 청각-영상 생성을 위한 벤치마크: TAVGBench
