连续音频 - 视觉学习的增量聚类网络

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。