V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
JOKERdmb
V2EX  ›  问与答

求多模态对齐方法

  •  
  •   JOKERdmb · 2023-09-11 06:48:01 +08:00 via Android · 958 次点击
    这是一个创建于 434 天前的主题,其中的信息可能已经有所发展或是发生改变。
    最近在搞多模态搞得有点抑郁了,三个模态语音视频文本,不知道该怎么去对齐了,看了论文有的是抽关键帧,有的是把三维降维到二维做后续运算。。。求 v 友点拨。T T
    3 条回复    2023-09-11 11:46:28 +08:00
    passive
        1
    passive  
       2023-09-11 09:30:49 +08:00 via Android
    看标题我还以为你要接光纤。。。
    aeron
        2
    aeron  
       2023-09-11 11:30:31 +08:00 via iPhone
    没搞过多模态,点拨不了
    zhangyichent
        3
    zhangyichent  
       2023-09-11 11:46:28 +08:00
    图片和文本的应该可以借鉴现在很多多模态大模型的吧,视频是应该加上一些帧间对比的东西?我觉得可以借鉴下现在做生成视频时候减少抖动的思路?语音感觉实在不行你先转文字,把他转成两个模态的?(没真研究过,随便扯扯)
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   3534 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 29ms · UTC 04:54 · PVG 12:54 · LAX 20:54 · JFK 23:54
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.