韩国科学技术院 发布 Extended-IS3 数据集, 应用在 音频-视觉定位、声音识别 领域

韩国科学技术院 本次发布的数据集 Extended-IS3, Extended-IS3数据集是由韩国科学技术院的研究团队创建的，该数据集在IS3数据集的基础上增加了spoken utterances，用于评估模型在同时定位和识别视觉场景中的混合音频类型（包括重叠的口语和非口语声音）的性能。数据集包含了音频和对应的视觉信息，用于训练模型在视觉场景中同时定位和识别不同的音频类型。该数据集的应用领域主要在于提高音频-视觉定位模型的性能，解决实际场景中音频源混合的问题。

查看Extended-IS3

关于 韩国科学技术院 , 韩国科学技术院是韩国最高科学研究机构，致力于推动科技创新和培养科研人才。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。