CAV-MAE Sync

研究人员开发出一种新方法提高AI学习多模态信息的能力，使机器能够自动检索视频和音频内容，并有望在新闻、电影制作等领域发挥作用。该方法通过改进训练方式和技术架构提高了模型对音频与视觉数据的对应关系理解能力。