多模态大模型

跨文本、图像、视频、音频等模态的大模型与学习方法。

2025-10-13 至 2025-10-13 共收录 1 篇信号源：cs.CV, cs.CL, cs.AI, cs.MM, eess.AS

1. 音频语音多模态 1 篇

2509.22425 2025-10-13 cs.SD 78%

From Coarse to Fine: Recursive Audio-Visual Semantic Enhancement for Speech Separation

Ke Xue, Rongfei Fan, Lixin, Dawei Zhao, Chao Zhu, Han Hu

机构 * School of Cyberspace Science and Technology（网络空间科学与技术学院）； Beijing Institute of Technology（北京理工大学）； Sun Yat-sen University（中山大学）； Qilu University of Technology（齐鲁工业大学）； Shandong Computer Science Center（山东计算机科学中心）； School of Information and Electronics（信息电子学院）

专题命中音频语音多模态：audio-visual(title,abstract)

↑