BriefGPT - AI 论文速递 · 2023-09-11T00:00:00Z 连续音频 - 视觉学习的增量聚类网络 💡 原文中文，约200字，阅读约需1分钟。 📝 内容提要 该文介绍了AVGN音视频感知网络，使用划分视频片段、轻量级编码器和音频增强等技术，实现了高效的视频识别。该网络在多个基准测试中取得了最高性能并实现了更快的处理速度。 🎯 关键要点 提出了名为AVGN的音视频感知网络 通过划分视频片段实现高效视频识别 使用轻量级单模态编码器和音频增强的空间块注意模块 结合多种训练技术和多模态特征融合 在多个视频识别基准上取得了最高性能 实现了更快的处理速度 🏷️ 标签 AVGN 基准测试 编码器 视频识别 音视频感知网络 阅读原文 生成长图 分享链接 已复制链接
