arXiv Computer Vision· Zainab Afolabi, Vadim Selyutin, Zhao Gao, Babs Khalidson, Mohamed Ghoneim·· 2 小时前AI 评分23
视觉模型能从音频中学到多少物理信息？探测与蒸馏阻尼结构
How Much Physics Can Vision Learn from Audio? Probing and Distilling Damping Structure
AI 导读
研究用品质因子 Q 探测冻结编码器的阻尼感知能力：音频嵌入的 Spearman 秩相关达 ρ=0.73，且在训练未见材料上保持大部分优势，而 CLIP 编码的撞击单帧仅 ρ=0.28。
来源：arXiv Computer Vision · arxiv.org