A Multi-Modal Fusion Approach for Audio-Visual Scene Classification Enhanced by CLIP Variants.

Soichiro Okazaki,Quan Kong, Tomoaki Yoshinaga

DCASE(2021)

引用 0|浏览0
暂无评分
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要