arXiv cs.SD RSS·2026-10-02 12:00· 3 小时前

AVSD-Scenes：面向城市声景的音视频场景描述数据集

AVSD-Scenes: A Dataset for Audio-Visual Description of Urban Scenes

摘要

AVSD-Scenes 是一个面向城市环境的配对音视频场景描述数据集，包含 12,291 条描述，基于 TAU Urban Audio-Visual Scenes 数据集构建。

应来源方要求，这里只提供摘要与原文入口。完整内容请阅读原文。

来源：arXiv cs.SD RSS · arxiv.org