研究人员开发了 Auto-AEG，这是一个可扩展的流程，旨在为开放词汇音频事件定位构建监督数据。该任务旨在在音频中精确定位由自然语言查询描述的声音事件，这是当前大型音频语言模型 (LALM) 所缺乏的能力。Auto-AEG 通过结合具有精确时间标注的合成音频片段和来自真实世界音频的伪标签来解决数据稀缺问题，从而能够进行微调以提高在 DESED SED 和 AEGBench 等基准测试上的性能。 AI
影响 增强了大型音频语言模型的时间定位能力，实现了更精确的现实世界音频理解。
排序理由 该集群包含一篇学术论文，详细介绍了一种新的音频事件定位方法。[lever_c_demoted from research: ic=1 ai=1.0]
- AEGBench
- arXiv
- Auto-AEG
- DESED SED benchmark
- Large Audio-Language Models
- Open-Vocabulary Audio Event Grounding
- Sound Event Detection by Pseudo-Labeling in Weakly Labeled Dataset
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
