实体
AV-LLMs
AV-LLMs
PulseAugur coverage of AV-LLMs — every cluster mentioning AV-LLMs across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的AV-FABLE基准针对长视频中的AI操纵取证
研究人员推出了AV-FABLE,这是一个旨在检测长格式视听视频中稀疏操纵的新基准。与专注于短片段的现有基准不同,AV-FABLE利用16,650个原始-操纵视频对来评估取证分析能力。研究发现,虽然当前的视听大语言模型(AV-LLMs)在长视频的零样本检测方面存在困难,但其固定的感知特征包含重要的取证信号,可以通过单独的时间解码器进行恢复。
-
新的基准测试推动AI空间视听理解向前发展 · 已追踪3个来源
研究人员引入了新的基准测试和框架,以推进AI模型中的空间视听理解。SAVU-Bench和SAVED-Bench旨在评估模型在真实场景中利用视觉和听觉线索处理和推理空间关系的能力。虽然当前模型在视觉空间定位方面显示出潜力,但与音频相关的空间感知仍然是一个重大挑战,影响着整体推理能力。SAVU-EA和FloorSAV等新方法正在开发中,以改善这些复杂任务的空间信息的集成和解释。
-
新的 JAEGER 框架支持 3D 音视频 AI 推理
研究人员开发了 JAEGER,一个增强音视频大语言模型(AV-LLMs)的新框架,使其能够在 3D 物理环境中感知和推理。与之前仅限于 2D 感知的模型不同,JAEGER 集成了 RGB-D 观测和多通道音频,以实现联合空间地面定位。一项关键创新是“Neural IV”表示,即使在声音源重叠的情况下也能提高到达角估计。该团队还推出了 SpatialSceneQA,一个包含超过 61,000 个指令调优样本的基准数据集,以促进训练和评估。