参照音频-视觉分割RefAVS：依据融合了多模态提示（包括音频和视觉描述）的自然语言表达，对视觉场景中的目标物进行分割
新技术

中国人民大学、北京邮电大学和上海人工智能实验室的研究人员推出RefAVS（参照音频-...
2024-07-18 396
没有账号？注册  忘记密码？