UniSwap: Streaming Audio-Visual Identity Swapping for Talking Videos

• 类型：arxiv
• 标识：2608.11752
• 链接：https://arxiv.org/abs/2608.11752
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work presents UniSwap, the first framework for streaming joint audio-visual identity replacement in talking videos, and introduces a swap-and-reconstruct pipeline that removes visual and vocal identity from real clips and uses the original clips as reconstruction targets.
• OpenAlex ID：W7202349423
• OpenAlex DOI：10.48550/arxiv.2608.11752
• DOI：10.48550/arxiv.2608.11752
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.11752
• OpenAlex更新：2026-08-27
• 待LLM分类：否
• 标题中文：UniSwap：面向说话视频的流式音视频身份替换
• TLDR中文：本文提出 UniSwap，这是首个用于说话视频中流式联合音视频身份替换的框架，并引入 swap-and-reconstruct 流程，从真实片段中移除视觉和声音身份，同时使用原始片段作为重建目标。
• 来源文件：
• /inbox/tom/_candidates/2026-08-14-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]