BriefGPT - AI 论文速递 · 2023-09-18T00:00:00Z

通过音频查询来发现声音对象用于音频视觉分割

📝

内容提要

该文介绍了一种基于音频查询的Transformer架构（AQFormer），建立了音频和视觉模态之间的对象级语义对应关系，并提出了一种基于音频的时间交互模块。实验结果表明，该方法在两个AVS基准测试集上取得了最先进的性能。

🏷️

标签

AQFormer AVS基准测试集 对象级语义对应关系 时间交互模块 音频查询