CLIP-Powered TASS: Target-Aware Single-Stream Network for Audio-Visual Question Answering

Ähnliche Einträge

• Question-Aware Gaussian Experts for Audio-Visual Question Answering
  von: Kim, Hongyeob, et al.
  Veröffentlicht: (2025)
• Leveraging the Video-level Semantic Consistency of Event for Audio-visual Event Localization
  von: Jiang, Yuanyuan, et al.
  Veröffentlicht: (2022)
• ESG-Net: Event-Aware Semantic Guided Network for Dense Audio-Visual Event Localization
  von: Li, Huilai, et al.
  Veröffentlicht: (2025)
• CLIP-UP: CLIP-Based Unanswerable Problem Detection for Visual Question Answering
  von: Vardi, Ben, et al.
  Veröffentlicht: (2025)
• SaSR-Net: Source-Aware Semantic Representation Network for Enhancing Audio-Visual Question Answering
  von: Yang, Tianyu, et al.
  Veröffentlicht: (2024)