arXiv · AI· Jincheng Zhang, Gy\"orgy Fazekas, Charalampos Saitis·· 2026-10-14AI 评分29
用于视频背景音乐生成的扩散模型自表征对齐
Self-Representation Alignment in Diffusion Models for Video Background Music Generation
AI 导读
研究提出 U-SRA 扩散 U-Net 架构,通过显式对齐去噪过程中的弱层与强层内部表征,解决表征意义不足问题。该架构结合交叉注意力机制实现音视频同步,在视频背景音乐生成基准测试中,其视频音乐对齐度与整体音乐质量均超越当前最先进水平。
来源:arXiv · AI · arxiv.org