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 2025-04-17 03:38 广东

相关推荐

文物君i:感觉简历里经历好丰富,同27届想找实习,之前0经验,现在也找不到
实习简历求拷打
点赞 评论 收藏
分享
joecii:如果没有工资,那可能没有工资是这家公司最小的问题了
找实习记录
点赞 评论 收藏
分享
01-15 22:54
武汉大学 Java
点赞 评论 收藏
分享
评论
2
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务