研究人员推出StrAD，这是一个用于生成长视频音频描述的新基准和数据流方法。与之前专注于短片段并需要精确时间戳的方法不同，StrAD在滑动窗口中处理整个视频，将描述插入现有文本记录中，而无需真实时间戳。这种方法旨在通过实现可扩展的音频描述生成，使视觉内容对视障人士更加可及。 AI
影响 通过实现长视频内容的音频描述的可扩展生成，提高了可访问性。
排序理由 学术论文，介绍了一种新的音频描述生成方法和基准。[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 →
arXiv:2608.12549v1 Announce Type: new Abstract: Visual content is the dominant medium of communication, yet without audio descriptions (ADs), it remains inaccessible to blind and low-vision people. ADs narrate context-relevant visual events during natural audio pauses. Manually c…