面向指代音视频分割的移位感知身份引导潜变量细化

英文标题：Shift-Aware Identity-Guided Latent Refinement for Referring Audio--Visual Segmentation

该论文提出了一种用于 Referring Audio--Visual Segmentation（Ref-AVS，指代音视频分割）的方法，题为“Shift-Aware Identity-Guided Latent Refinement”。Ref-AVS 要求系统依据同时结合视觉与听觉线索的自然语言表达，准确识别并分割特定对象。论文摘要片段表明，该任务属于新兴的多模态任务；但所提供原文未包含完整摘要、方法细节、实验数据或结论。该研究面向需要融合语言、画面和声音信息的多模态理解与分割应用。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB