PulseAugur
中
实时 21:27:43
实体 Frame-level Audio-visual Temporal Embedding

Frame-level Audio-visual Temporal Embedding

PulseAugur coverage of Frame-level Audio-visual Temporal Embedding — every cluster mentioning Frame-level Audio-visual Temporal Embedding across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_192145 ·

    FATE 模型推进音视频时间嵌入

    研究人员推出了一种新颖的帧级音视频时间嵌入模型 FATE,旨在提高对音视频同步的理解。与以往丢失时间信息或缺乏语义理解的方法不同,FATE 保留了帧级序列并进行时间对齐。该方法通过语义和时间对比学习的联合目标进行训练,旨在捕捉音视频事件的内容和时序。FATE 在时间和语义检索任务中表现出色,并且在事件定位方面与人类判断具有很强的相关性。