multimodal dataset | BriefGPT

关键词multimodal dataset

搜索结果 - 48

面向音视频零样本分类和检索的联合多模态嵌入
本文提出了一种基于视听多模态的零样本学习（ZSL）方法，针对视频进行分类和检索。作者证明了视听模态均对视频的 ZSL 非常重要，提出了一个利用已有大规模音频事件数据集构建的视听多模态数据集，并通过嵌入学习方法实现零样本分类和检索任务中加入音
PDF5 years ago
使用声学和文本特征检测政治辩论中的欺骗行为
本研究利用真实的政治辩论语音数据集，采用多模态深度学习架构进行欺诈检测以提升检测准确度。实验结果表明，使用语音特征可以有效提高欺诈检测的表现，并将数据集公开以期推进多模态欺诈检测的研究。
PDF5 years ago
Hindi Visual Genome: 多模式英汉机器翻译数据集
本研究提出了 “印地语视觉基因组” 数据集，首次构建多模态的英印机器翻译的数据集并且免费提供，其中含有英语和图片的文本，适用于英印机器翻译和多模态的研究。
PDF5 years ago
使用声学图像的音视频模型蒸馏
本研究旨在研究如何从视觉数据和新型的音频数据模式 —— 声学图像中学习丰富和强大的音频分类特征表示，通过利用新的多模态标记行动识别数据集，并针对性地训练音频深度学习模型，从视觉和声学图像方面实现知识蒸馏，以获得比单麦克风声音数据训练模型更强
PDF5 years ago
MELD：情感识别对话中的多模态多方数据集
提出了一个多模态的语音情感对话数据集 MELD，包含超过两个演讲者的大规模多模态多方情感对话，并且证明了情境和多模态信息对会话中的情感识别的重要性。
PDF6 years ago
PedX：在复杂城市交叉口中进行行人度量 3D 姿态估计的基准数据集
本文介绍了一个名为 PedX 的新数据集，它是一个大规模的多模态数据集，包含超过 5,000 个高分辨率（12MP）的立体图像和 LiDAR 数据，并提供行人的 2D 和 3D 标签。我们还提出了一种新颖的 3D 模型拟合算法，用于自动化
PDF6 years ago
CrisisMMD：自然灾害的多模态 Twitter 数据集
通过收集自然灾害期间 Twitter 上的大量多模态数据集，为人道主义组织提供了有用的三种注释类型以解决危机响应和管理任务，特别关注社交媒体上的图像内容在减灾救灾中的作用。
PDF6 years ago
室内场景理解中的 2D-3D - 语义数据联合
该文介绍了一个大规模室内空间数据集，其中包含 2D、2.5D 和 3D 接口的多种相互注册的模态，并具有实例级别的语义和几何注释。该数据集使得可以开发联合和跨模态学习模型，以及可能利用大规模室内空间中存在的规律性的无监督方法。
PDF7 years ago