LongVALE: Vision-Audio-Language-Event Benchmark Towards Time-Aware Omni-Modal Perception of Long Videos

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Geng, Tiantian, Zhang, Jinrui, Wang, Qingni, Wang, Teng, Duan, Jinming, Zheng, Feng
Format:	Preprint
Publié:	2024
Sujets:	Computer Vision and Pattern Recognition Computation and Language Machine Learning Multimedia
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2411.19772