本研究提出了一种名为参考音频 - 视觉分割（Ref-AVS）任务的新任务，旨在通过多模态提示对对象进行分割。通过构建第一个Ref-AVS基准和提出新方法，实验证明了该方法在精确分割对象方面的有效性。

在音视场景中引用和分割对象
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证