SightSound-R1: Cross-Modal Reasoning Distillation from Vision to Audio Language Models

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wang, Qiaolin, Jiang, Xilin, He, Linyang, Wu, Junkai, Mesgarani, Nima
Formato:	Preprint
Publicado:	2025
Materias:	Sound Artificial Intelligence Computation and Language Audio and Speech Processing
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2509.15661