ترجمه فارسی مقاله AVCap: بهره‌برداری از ویژگی‌های صوتی و تصویری به‌عنوان نشانه‌های متنی برای زیرنویس

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی AVCap: Leveraging Audio-Visual Features as Text Tokens for Captioning
عنوان مقاله به فارسی AVCap: بهره‌برداری از ویژگی‌های صوتی و تصویری به‌عنوان نشانه‌های متنی برای زیرنویس
نویسندگان Jongsuk Kim, Jiwon Shin, Junmo Kim
فرمت مقاله انگلیسی PDF
تعداد صفحات 5
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Audio and Speech Processing,Computation and Language,Machine Learning,Sound,پردازش صوتی و گفتار , محاسبه و زبان , یادگیری ماشین , صدا ,
توضیحات Submitted 10 July, 2024; v1 submitted 10 July, 2024; originally announced July 2024. , Comments: Interspeech 2024
توضیحات به فارسی 10 ژوئیه 2024 ارسال شد.V1 ارسال شده 10 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: interspeech 2024
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

In recent years, advancements in representation learning and language models have propelled Automated Captioning (AC) to new heights, enabling the generation of human-level descriptions. Leveraging these advancements, we propose AVCap, an Audio-Visual Captioning framework, a simple yet powerful baseline approach applicable to audio-visual captioning. AVCap utilizes audio-visual features as text tokens, which has many advantages not only in performance but also in the extensibility and scalability of the model. AVCap is designed around three pivotal dimensions: the exploration of optimal audio-visual encoder architectures, the adaptation of pre-trained models according to the characteristics of generated text, and the investigation into the efficacy of modality fusion in captioning. Our method outperforms existing audio-visual captioning methods across all metrics and the code is available on https://github.com/JongSuk1/AVCap

چکیده به فارسی (ترجمه ماشینی)

در سالهای اخیر ، پیشرفت در یادگیری بازنمایی و مدل های زبان ، زیرنویس خودکار (AC) را به ارتفاعات جدید سوق داده است و باعث می شود تولید توصیفات سطح انسانی باشد.با استفاده از این پیشرفت ها ، ما AVCAP را پیشنهاد می کنیم ، یک چارچوب زیرنویس صوتی و تصویری ، یک رویکرد ساده و در عین حال قدرتمند که برای زیرنویس صوتی و تصویری کاربرد دارد.AVCAP از ویژگی های صوتی و تصویری به عنوان نشانه های متن استفاده می کند ، که نه تنها در عملکرد بلکه در قابلیت گسترش و مقیاس پذیری مدل نیز دارای مزایای بسیاری است.AVCAP در حدود سه ابعاد محوری طراحی شده است: اکتشاف معماری های رمزگذار بهینه صوتی و تصویری ، تطبیق مدل های از پیش آموزش داده شده با توجه به ویژگی های متن تولید شده و بررسی در مورد اثربخشی فیوژن روش در زیرنویس.روش ما از روشهای زیرنویس صوتی و تصویری موجود در تمام معیارها بهتر است و کد در https://github.com/jongsuk1/avcap در دسترس است

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.