本研究提出了一种新颖的音视频嵌入学习方法，结合跨模态三重损失与逐步自我蒸馏，解决了标签引导导致的性能不足问题。该方法通过动态优化软对齐，提升了表征学习，有效捕捉内在关系，从而提高音视频嵌入性能。

Metric Learning with Progressive Self-Distillation for Audio-Visual Embedding Learning
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