本研究提出了一种新的音频-视觉学习框架，解决了声源定位中的误报问题，并提高了性能。该框架适用于音频-视觉事件分类和物体检测任务。

通过消除误报增强声源定位
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