AVCap: Leveraging Audio-Visual Features as Text Tokens for Captioning

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Kim, Jongsuk, Shin, Jiwon, Kim, Junmo
Formato: Preprint
Publicado: 2024
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares