Google（谷歌）

GESTO: Human-Centric Spatio-Temporal Memory for Reasoning in Dynamic Scenes

GESTO：面向动态场景推理的以人为中心的时空记忆

Ermanno Bartoli, Buwei He, Dennis Rotondi, Sebastian Koch, Federico Tombari, Kai O. Arras, Patric Jensfelt, Yixi Cai, Iolanda Leite

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； University of Stuttgart（斯图加特大学） ； Max Planck Research School for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Google Research（谷歌研究院） ； TU Munich（慕尼黑工业大学） 纠错

AI总结 该研究提出GESTO时空记忆模型，结合4D场景图与人机交互、目标事件的两级结构，在基准测试中表现优异，可支撑动态人类环境下的以活动为中心的时空推理。

VoxSumm: A Multilingual Corpus of Long-Form Spoken News for Joint Summarization and Translation

VoxSumm：用于联合摘要与翻译的多语言长篇口语新闻语料库

Yejin Jeon, Marie Maltais, Virginia Ceccatelli, Min Ma, David Ifeoluwa Adelani

机构 * Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； McGill University（麦吉尔大学） ； Google DeepMind（谷歌DeepMind） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席项目） 纠错

AI总结 本研究针对长文档摘要与多语言语音翻译的研究缺口，提出联合语音摘要与翻译任务，构建首个多语言跨语言基准VoxSumm，并评估相关模型表现，为多语言语音处理系统提供支撑。