PulseAugur
实时 12:24:54
实体 Hierarchical Visual-Grounded Captioning

Hierarchical Visual-Grounded Captioning

PulseAugur coverage of Hierarchical Visual-Grounded Captioning — every cluster mentioning Hierarchical Visual-Grounded Captioning 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
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_115749 ·

    新框架通过解耦字幕增强文本到声音视频生成

    研究人员开发了一个名为分层视觉基础字幕(HVGC)的新框架,以改进文本到声音视频的生成。该方法通过为每种模态生成独立的、解耦的字幕来解决视频和音频文本对齐的挑战,从而防止干扰。该框架与BridgeDiT集成,BridgeDiT是一个双塔扩散Transformer,使用双交叉注意力机制来确保音频和视频之间的语义和时间同步。