Audio-Enhanced Vision-Language Modeling with Latent Space Broadening for High Quality Data Expansion

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Sun, Yu, Li, Yin, Sun, Ruixiao, Liu, Chunhui, Zhou, Fangming, Jin, Ze, Wang, Linjie, Shen, Xiang, Hao, Zhuolin, Xiong, Hongyu
Format:	Preprint
Publié:	2025
Sujets:	Multimedia Artificial Intelligence Computer Vision and Pattern Recognition Sound Audio and Speech Processing
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/2503.17551