Span-based Audio-Visual Localization

计算机科学 事件(粒子物理) 稳健性(进化) 人工智能 安全性令牌 班级(哲学) 视听 语音识别 音频信号处理 模式识别(心理学) 机器学习 音频信号 语音编码 多媒体 计算机安全 量子力学 基因 物理 化学 生物化学
作者
Yiling Wu,Xinfeng Zhang,Yaowei Wang,Qingming Huang
标识
DOI:10.1145/3503161.3548318
摘要

This paper focuses on the audio-visual event localization task that aims to match both visible and audible components in a video to identify the event of interest. Existing methods primarily ignore the continuity of audio-visual events and classify each segment separately. They either classify the event category score of each segment separately or calculate the event-relevant score of each segment separately. However, events in video are often continuous and last several segments. Motivated by these, we propose a span-based framework that considers consecutive segments jointly. The span-based framework handles the audio-visual localization task by predicting the event class and extracting the event span. Specifically, a [CLS] token is applied to collect the global information with self-attention mechanisms to predict the event class. Relevance scores and positional embeddings are inserted into the span predictor to estimate the start and end boundaries of the event. Multi-modal Mixup are further used to improve the robustness and generalization of the model. Experiments conducted on the AVE dataset demonstrate that the proposed method outperforms state-of-the-art methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
袁来如此完成签到,获得积分10
刚刚
1秒前
1秒前
伯约完成签到,获得积分10
2秒前
大模型应助科研顺利采纳,获得10
4秒前
Yan3249发布了新的文献求助10
4秒前
4秒前
天天快乐应助juju采纳,获得10
5秒前
不可思宇完成签到,获得积分10
5秒前
爆米花应助结实的寒梦采纳,获得10
6秒前
6秒前
酷波er应助Unicorn采纳,获得10
7秒前
qianqian完成签到,获得积分10
7秒前
小吴同学完成签到,获得积分10
8秒前
8秒前
9秒前
gossip完成签到 ,获得积分10
9秒前
剪羊毛发布了新的文献求助30
9秒前
深情安青应助典雅的俊驰采纳,获得10
9秒前
zhenying完成签到,获得积分10
9秒前
搜集达人应助冷酷曼容采纳,获得10
10秒前
完美凝竹完成签到,获得积分10
10秒前
957144269完成签到,获得积分20
10秒前
wy完成签到,获得积分10
11秒前
JMao完成签到,获得积分10
11秒前
慧慧发布了新的文献求助10
12秒前
12秒前
gggguo完成签到,获得积分10
12秒前
佰态发布了新的文献求助100
13秒前
13秒前
阎万仇完成签到,获得积分10
13秒前
Owen应助WWW采纳,获得30
14秒前
15秒前
16秒前
超儿发布了新的文献求助10
17秒前
hanjresearch完成签到,获得积分10
19秒前
单薄惜文发布了新的文献求助10
20秒前
Maglev完成签到,获得积分10
20秒前
Unicorn发布了新的文献求助10
20秒前
充电宝应助热心枕头采纳,获得10
21秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Effect of reactor temperature on FCC yield 2000
Introduction to Spectroscopic Ellipsometry of Thin Film Materials Instrumentation, Data Analysis, and Applications 1200
How Maoism Was Made: Reconstructing China, 1949-1965 800
Medical technology industry in China 600
中国内窥镜润滑剂行业市场占有率及投资前景预测分析报告 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3311604
求助须知:如何正确求助?哪些是违规求助? 2944429
关于积分的说明 8519013
捐赠科研通 2619785
什么是DOI,文献DOI怎么找? 1432582
科研通“疑难数据库(出版商)”最低求助积分说明 664714
邀请新用户注册赠送积分活动 649982