Audio-Enhanced Video-to-Audio Retrieval Using Text-Conditioned Feature Alignment

2024

Жабық қол жеткізу Метадеректер (CSL-JSON)
DOI 10.1109/iccsc62048.2024.10830345
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

The pace of technological advancement has accelerated significantly. Videos and images have ingrained themselves into daily life. Large amounts of generated video data can be used for real-time analysis. These days, it can be used to improve healthcare and video search. This essay tackles the issue through content analysis. This paper addresses audio feature extraction and multilingual and multicultural considerations. The method in the paper takes videos as a dataset. In this paper, it uses the genism model to extract the matching feature. The similarity table value for different words is between 0.55 to 0.77. The score graph is between 0.4 to 0.8.