arXiv · Audio and Speech· Dhanunjaya Varma Devalraju, Arshdeep Singh, Mark D. Plumbley·· 5 小时前AI 评分20
AVSD-Scenes：城市场景音视频描述数据集
AVSD-Scenes: A Dataset for Audio-Visual Description of Urban Scenes
AI 导读
AVSD-Scenes 是一个包含 12,291 条城市场景音视频配对描述的数据集，基于 TAU Urban Audio-Visual Scenes 构建。
来源：arXiv · Audio and Speech · arxiv.org