サインイン
インサイト - Multimodal Academic Lecture Dataset
M3AV: A Multimodal, Multigenre, and Multipurpose Audio-Visual Academic Lecture Dataset
Proposing the M3AV dataset for multimodal academic content recognition and understanding tasks.
M3AV: 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。
