利用音频源定位引导的混合技术进行半监督音视频动作识别

BriefGPT - AI 论文速递 ·

本研究提出了一种半监督学习方法，利用视觉和音频的多模态信息，解决视频动作识别中的高标注成本问题。通过音频源定位技术，模型在多个数据集上显著提升，具有重要应用潜力。

半监督半监督学习多模态信息视频动作识别音频源定位高标注成本

原文中文，约200字，阅读约需1分钟。