arXiv Computer Vision· Arnav Sharma, Anand Mishra, Renu Rameshan·· 20 小时前AI 评分22
SlotAVS：基于双模态 Slot Attention 的以对象为中心的音视频分割
SlotAVS: Object-Centric Audio-Visual Segmentation via Bi-Modal Slot Attention
AI 导读
SlotAVS 是一个以对象为中心的音视频分割框架，用竞争性双模态 slot attention 替代全局跨模态融合，通过从时序音频序列初始化离散对象 slot 并在空间视觉 token 上强制 slot 间竞争，缓解多声源掩码粘连。
来源：arXiv Computer Vision · arxiv.org