What is that Talk? A Video-to-Text Summary Dataset for Scientific Presentations

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了VISTA数据集,包含18599个AI会议演讲及其摘要,旨在提升科学视频转文本摘要的质量与一致性,尽管模型与人类表现仍存在差距。

🏷️

标签

➡️

继续阅读