提出两阶段多模态动态视听导航框架
热点事件持续更新
提出两阶段多模态动态视听导航框架
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Jia Li、Yinfeng Yu 提出用于动态音视频导航（D-AVN）的两阶段多模态学习框架，论文被 IEEE TASLP 2026 接收，作者称在 Replica 和 Matterport3D 数据集上取得最先进成功率。 框架第一阶段用强度标定几何编码器（ICGE）把声音强度与视觉几何做物理引导对齐，第二阶段用基于 Transformer 的跨模态场景聚合器（CMSA）整合多模态特征构建状态表征。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
两阶段多模态学习框架用于动态音视频导航 D-AVN 研究报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv cs.RO 机器人学精选两阶段多模态学习框架用于动态音视频导航 D-AVN 研究
论文提出面向动态音视频导航（D-AVN）的两阶段多模态学习框架：物理对齐阶段用强度标定几何编码器 ICGE 将声音强度与视觉几何做物理引导的对齐，场景聚合阶段用基于 Transformer 的跨模态场景聚合器 CMSA 整合多模态特征构建状态表征。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。