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

2024

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/iccsc62048.2024.10830345
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

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.