马里兰大学帕克分校 发布 MULTIVOX 数据集, 应用在 语音识别、视觉理解 领域

马里兰大学帕克分校 本次发布的数据集 MULTIVOX, MULTIVOX是一个用于评估全模态语音助手（OVAs）能力的基准数据集，由马里兰大学帕克分校的研究团队创建。数据集包含1000个人工标注和录制的语音对话，涵盖了丰富的副语言特征和多种视觉线索，如图片和视频。MULTIVOX旨在评估OVAs整合语音和视觉线索的能力，以提供准确和上下文相关的响应。该数据集的创建过程包括专家注释、语音录制、质量控制和专家分析等环节。MULTIVOX的应用领域是解决全模态语音助手在处理语音对话和视觉输入时的能力评估问题。

查看MULTIVOX

关于 马里兰大学帕克分校 , 马里兰大学帕克分校是美国马里兰州的一所公立研究型大学，成立于1856年，是马里兰大学系统的旗舰校。该校在科学、工程、人文和社会科学等多个领域具有卓越的研究和教学水平，是美国顶尖的公立大学之一。

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。