
Proposing the M3AV dataset for multimodal academic content recognition and understanding tasks.


coremsg

m3av-a-multimodal-multigenre-and-multipurpose-audio-visual-academic-lecture-dataset


M3AV: A Multimodal, Multigenre, and Multipurpose Audio-Visual Academic Lecture Dataset



提案されたM3AVデータセットは、高品質な人間注釈を備えた新しい多様な学術講義データセットであり、音声認識やスライド生成などの多くのタスクに活用可能です。



M3AV: Multimodal, Multigenre, and Multipurpose Audio-Visual Academic Lecture Dataset
