MAViD: A Multimodal Framework for Audio-Visual Dialogue Understanding and Generation

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Pang, Youxin, Liu, Jiajun, Tan, Lingfeng, Zhang, Yong, Gao, Feng, Deng, Xiang, Kang, Zhuoliang, Wei, Xiaoming, Liu, Yebin
Formato:	Preprint
Publicado:	2025
Materias:	Computer Vision and Pattern Recognition
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2512.03034