Ovi: Twin Backbone Cross-Modal Fusion for Audio-Video Generation
机构 * Character AI ； Yale University（耶鲁大学）
专题命中 音视频/视觉语言融合 ：multimodal fusion(abstract)；分类 cs.CV、cs.MM
视觉与机器人
多模态信息融合
面向图像、视频、多传感器和跨模态感知的信息融合，包括 Image Fusion、红外可见光、遥感、医学影像、LiDAR/雷达/相机和音视频融合。
1. 音视频/视觉语言融合 2 篇
Beyond Simple Fusion: Adaptive Gated Fusion for Robust Multimodal Sentiment Analysis
专题命中 音视频/视觉语言融合 ：information fusion(abstract)；分类 cs.CV
