谷歌浏览器插件
订阅小程序
在清言上使用

AVLnet: Learning Audio-Visual Language Representations from Instructional Videos

INTERSPEECH 2021(2021)

引用 167|浏览304
关键词
audio-visual,multimodal learning,selfsupervised learning,video retrieval,spoken captions
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要