Language-Guided Contrastive Audio-Visual Masked Autoencoder with Automatically Generated Audio-Visual-Text Triplets from Videos

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Ishikawa, Yuchi, Nakada, Shota, Munakata, Hokuto, Saito, Kazuhiro, Komatsu, Tatsuya, Aoki, Yoshimitsu
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition Audio and Speech Processing Image and Video Processing
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Accesso online

https://arxiv.org/abs/2507.11967