热点事件持续更新

FLARE视觉语音表征学习框架论文发布

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

研究者提出 FLARE 视觉语音表征学习框架，以 Whisper 表征作为声学教师信号，经随机投影量化器转为离散蒸馏目标，并采用唇部 ROI 与全脸双流架构联合建模。在 LRS2、LRS3 和 WildVSR 三个数据集上，词错误率分别为 11.7%、13.2% 和 34.3%；论文称联合人脸-唇部建模在低分辨率和大幅头部姿态变化下更鲁棒。代码与预训练模型已开源，论文被 NeurIPS 2026 接收。

AI 根据报道生成 · 3 小时前更新

最新进展10月15日 12:00

FLARE：通过跨模态蒸馏与联合人脸-唇部建模学习视觉语音表征

报道时间线

沿着报道，了解事件的不同侧面。

10月15日

12:00
arXiv cs.CV
FLARE：通过跨模态蒸馏与联合人脸-唇部建模学习视觉语音表征
研究者提出 FLARE 视觉语音表征学习框架，以 Whisper 表征为声学教师信号、经随机投影量化器转为离散蒸馏目标，并采用唇部 ROI 与全脸双流架构联合建模。在 LRS2、LRS3 和 WildVSR 上词错误率分别为 11.7%、13.2% 和 34.3%，联合人脸-唇部建模在低分辨率和大幅头部姿态变化下更鲁棒。代码与预训练模型已开源，论文被 NeurIPS 2026 接收。

本事件热度走势

可比范围当前: 9
可比范围峰值: 1010月15日 13:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。