Autor der Publikation

Learning Audio-Video Modalities from Image Captions.

, , , , , , und . ECCV (14), Volume 13674 von Lecture Notes in Computer Science, Seite 407-426. Springer, (2022)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

 

Weitere Publikationen von Autoren mit dem selben Namen

Look Before You Speak: Visually Contextualized Utterances., , und . CVPR, Seite 16877-16887. Computer Vision Foundation / IEEE, (2021)Vid2Seq: Large-Scale Pretraining of a Visual Language Model for Dense Video Captioning., , , , , , , und . CVPR, Seite 10714-10726. IEEE, (2023)Regularizing Neural Networks via Stochastic Branch Layers., , , und . ACML, Volume 101 von Proceedings of Machine Learning Research, Seite 678-693. PMLR, (2019)Learning Correlation Structures for Vision Transformers., , , und . CoRR, (2024)Conversational Knowledge Teaching Agent that uses a Knowledge Base., , , , und . SIGDIAL Conference, Seite 139-143. The Association for Computer Linguistics, (2015)Reinforcing an Image Caption Generator Using Off-Line Human Feedback., , , , und . AAAI, Seite 2693-2700. AAAI Press, (2020)AVFormer: Injecting Vision into Frozen Speech Models for Zero-Shot AV-ASR., , und . CVPR, Seite 22922-22931. IEEE, (2023)Learning for Single-Shot Confidence Calibration in Deep Neural Networks Through Stochastic Inferences., , und . CVPR, Seite 9030-9038. Computer Vision Foundation / IEEE, (2019)Learning Audio-Video Modalities from Image Captions., , , , , , und . ECCV (14), Volume 13674 von Lecture Notes in Computer Science, Seite 407-426. Springer, (2022)Visual Reference Resolution using Attention Memory for Visual Dialog., , , und . NIPS, Seite 3719-3729. (2017)