CN117079181B 一种基于跨模态认知共识对齐的音视频分割方法 （电子科技大学）_第1页
CN117079181B 一种基于跨模态认知共识对齐的音视频分割方法 （电子科技大学）_第2页
CN117079181B 一种基于跨模态认知共识对齐的音视频分割方法 （电子科技大学）_第3页
CN117079181B 一种基于跨模态认知共识对齐的音视频分割方法 （电子科技大学）_第4页
CN117079181B 一种基于跨模态认知共识对齐的音视频分割方法 （电子科技大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

ConsensusGuidedAudi一种基于跨模态认知共识对齐的音视频分该发明公开了一种基于跨模态认知共识对齐的音视频分割方法，属于多模态图像分割领方法在音视频分割数据集上达到了目前最先进2频帧输入至视觉编码器，并取视觉编码器四个阶段输出的视觉特征作为层次化视觉特征，F代表Frobenius范数，j与k分别代表最终计算得到的语义相似度矩阵Msimo*=o(f)(3)通过空洞卷积模块得到Via并与音频特征共同输入非本地模块中从而进行音视频特征级3345无法解决从音频全局信息与视觉多个局部信息之间的维度差异问题；为了解决这一问题，以解决音频全局标签与视频多个局部区域的信度与音频分类置信度c"=tef:接着，计算视觉标签文本与音频标签代表Frobenius范数，j与k分别代表最终计算得到的语义相似度矩6[0018]ah=o(of)(3)[0020]ag"=o(Avg(p⃞))(5)征Vi通过空洞卷积模块得到Via并与音频特征共同输入非本地模块中从而进行音视频特37觉编码器预置的分类头及其分类权重，分别对视觉特征V4与音频特征Fa进行类别置信度打代表Frobenius范数，j与k分别代表最终计算得到的语义相似度[0043]ah=o(of)(3)"=vog"(4)[0045]ag"=o(Avg(p⃞))(5)洞卷积模块得到Via并与音频特征共同输入非本地模块中从而进行音视频特征级跨模态83先进的方法增长了3.0％mIoU与3.5％F_s9[0062]在图3中，本发明展示了本发明的方法与基线方法在不同音视频编码器组合下的法相比对比的基线方法能更准确的定位

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论