다양한 비디오 환경에서 강건한 오디오-비주얼 음성 인식 모델

비주얼 정보를 활용하여 다양한 비디오 환경에서 강건한 음성 인식 성능을 달성하는 오디오-비주얼 음성 인식 모델 EVA를 제안한다.