论文解读

AVCap: Reinforcing Audio-Video Joint Caption with Detail-Aware Reward

音频字幕生成 | 8.4/10

 · 更新于 2026-11-04 · 约 24 分钟 · 11629 字 阅读 →
论文解读

REFRAMED: Towards Realistic Audio Description Generation for Movies

音频字幕生成 | 8.0/10

 · 更新于 2026-11-04 · 约 18 分钟 · 9013 字 阅读 →
论文解读

MMAC: A Massive Multi-dimensional Benchmark for Audio Captioning

音频字幕生成 | 6.3/10

 · 更新于 2026-11-04 · 约 13 分钟 · 6369 字 阅读 →
论文解读

AVSCap: Orchestrating Audio-Visual Synergy for Omni-modal Video Captioning

音视频理解 | 9.2/10

 · 更新于 2026-11-04 · 约 21 分钟 · 10324 字 阅读 →
论文解读

Live Gurbani Tracking: A Benchmark and Reference System for Captioning Sikh Kirtan

音频字幕生成 | 7.4/10

 · 更新于 2026-11-04 · 约 14 分钟 · 6573 字 阅读 →
论文解读

CARD: Cross-component Audio Representation Distillation for Encoder-Free Audio Captioning

音频字幕生成 | 6.3/10

 · 更新于 2026-11-04 · 约 15 分钟 · 7179 字 阅读 →
论文解读

TimeChat-Captioner: Scripting Multi-Scene Videos with Time-Aware and Structural Audio-Visual Captions

音视频理解 | 9.4/10

 · 更新于 2026-11-04 · 约 16 分钟 · 7829 字 阅读 →
论文解读

Diverse and Few-Step Audio Captioning via Flow Matching

音频字幕生成 | 6.5/10

 · 更新于 2026-11-04 · 约 7 分钟 · 3494 字 阅读 →
会议任务专题

ICASSP 2026 - 音频字幕生成

共 1 篇 ICASSP 2026 音频字幕生成 方向论文

 · 更新于 2026-11-04 · 约 3 分钟 · 1212 字 阅读 →