PulseAugur
中
实时 14:40:43
实体 OV-AVEBench

OV-AVEBench

PulseAugur coverage of OV-AVEBench — every cluster mentioning OV-AVEBench across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
  1. TOOL · CL_289653 ·

    新的复值融合方法推进视听事件定位

    研究人员开发了一种新颖的开放词汇量视听事件定位(OV-AVEL)方法,通过采用复值神经网络进行融合。该方法通过伴随流增强了视觉和音频数据的嵌入,从而能够更精细地融合音频-文本和视觉-文本的相似性。训练好的融合网络和时间注意力模块在OV-AVEL基准测试中取得了最先进的成果,在已见和未见类别上均显著优于先前的方法。

  2. RESEARCH · CL_268765 ·

    新的基准和框架推动多模态AI代理能力发展

    新研究引入了用于评估和改进多模态AI代理在复杂任务中表现的基准和框架。RobotWorld在物理世界交互方面测试代理,揭示了数字能力向机器人技术迁移的差距,其中Astra和Opus 5.5展现出不同的优势。其他研究侧重于通过选择性地迁移训练更新、用于决策规则的代理搜索以及用于多模态图模型的联邦学习来增强视觉推理能力。此外,Hob-VL和VISTA等新基准旨在评估和改进视觉基础推理和交互式世界性能。

  3. RESEARCH · CL_193393 ·

    新研究解决语言模型中的视听事件感知问题

    两篇新研究论文介绍了语言模型中视听事件感知的新方法。第一篇ST-OmniQA提出了一个用于移动声源的时空视听推理基准,以及一个名为ST-Omni-R1的模型,该模型集成了视听上下文以改进事件识别和跟踪。第二篇SCoPE提供了一个无需训练的框架,利用稀疏的跨模态先验交换来增强视听事件感知,使模态能够相互引导,从而减轻虚假共激活。