研究人员开发了AViS-Mamba，这是一种新颖的视听架构，旨在改进视频中的暴力检测。这个基于Mamba的模型具有一个独特的机制，其中视觉流直接影响音频流的时间动态，从而允许根据视觉上下文自适应地依赖音频线索。该系统在NTU-CCTV和DVD基准测试中均取得了最先进的性能，准确率分别为88.59%和75.74%。事实证明，AViS-Mamba的自适应条件比固定路由更有效，尤其是在音频质量下降或缺失的情况下。 AI
影响 这项研究通过更好地整合多模态感官数据，可能带来更强大、更准确的暴力检测系统。
排序理由 该集群包含一篇详细介绍新模型架构及其在基准测试中性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
