半夜睡不着想了一个多模态任务,同时输入一段声音(非自然语言,比如鸟叫)和一张图片,将图片中的相应位置的鸟标注出来。

现在有这种数据集吗,图片和声音是能够互相验证的吧。

提这个问题是想到自动驾驶貌似都忽略了自然声音这一信息。
评价标准就用声音传感器的数量和标注准确率来衡量。
全部评论
非常好想法,这个项目我王多鱼投了
点赞 回复 分享
发布于 04-17 03:38 广东

相关推荐

评论
2
收藏
分享

创作者周榜

更多
牛客网
牛客企业服务