Effiziente Verarbeitung und Analyse von Audio-Visuellen Sprachdaten durch selbstüberwachtes Vortraining

BRAVEn, eine Erweiterung der RAVEn-Methode, lernt Sprachrepräsentationen vollständig aus unmarkierten Audio-Visuellen Daten und erzielt state-of-the-art Ergebnisse in verschiedenen Szenarien.