复值融合实现开放词汇音视频事件定位

Anirudh Praveen 等作者提出一种开放词汇音视频事件定位（OV-AVEL）方法，用复值神经网络（CVNN）融合音视频相似度。视觉模态以 iHSV 虚部、音频模态以 CycleGAN 转换的相位频谱图作为伴随流，训练时只更新时序注意力模块与融合 CVNN，编码器保持冻结。 该方法在论文中报告了验证结果，但报道未给出具体数据集与量化指标。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。