新的InteracVid数据集训练AI进行交互式视听响应

研究人员推出了InteracVid，这是一个旨在训练AI模型进行交互式视听响应的新型数据集。与专注于描述性字幕的现有数据集不同，InteracVid提供了从直播视频中提取的上下文-查询-响应三元组。该数据集包含来自59,000个视频的超过454,000个三元组，旨在使AI系统能够生成更自然、更具上下文的视听交互，超越基于文本的通信。 AI

影响 使AI能够生成更自然的视听响应，推动多模态交互超越文本。

排序理由 该集群描述了一个新的数据集和在arXiv上发表的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• DagsHub
• Gotit.pub
• Hugging Face
• InteracVid
• Litmaps
• ScienceCast
• Scite

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →