Peiwen Sun

音声と視覚情報を組み合わせることで、動画中の物体認識が向上するよ。

新しい方法が音声とテキストの手がかりを組み合わせて、物体識別をもっと良くしてるんだ。

研究は、テクノロジーにおける音声・視覚理解に影響を与えるバイアスに取り組んでいる。

X-Codecは、音声生成をセマンティックな理解を処理に組み込むことで改善するんだ。