研究人员开发了新的主动说话人检测模型ROAM-ASD-C和ROAM-ASD-CR,它们通过结合上下文和说话人注册能力来改进现有方法。ROAM-ASD-C通过利用同时可见个体的证据,提高了在拥挤场景或视觉线索有限情况下的检测能力。ROAM-ASD-CR通过利用注册说话人表示(来自注册语音),即使在说话人不可见的情况下也能检测到主动说话人,从而进一步推进了这一领域。这些模型在五个基准测试中展示了最先进的性能,在视觉遮挡条件下显著提高了准确性。 AI
影响 增强了在视觉数据有限场景下的视听AI能力。
排序理由 详细介绍新模型和基准测试结果的学术论文。[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 →