AV-Dialog: Spoken Dialogue Models with Audio-Visual Input
机构 * Paul G. Allen School of Computer Science & Engineering, University of Washington(华盛顿大学保罗·G·阿伦计算机科学与工程学院) ; Meta AI Research(Meta AI研究院)
专题命中 音频语音多模态 :audio-visual(title,abstract);multimodal(abstract);分类 cs.CV、cs.CL、cs.AI