Text-to-Multimodal Retrieval with Bimodal Input Fusion in Shared Cross-Modal Transformer

Pranav Arora, Selen Pehlivan, Jorma Laaksonen

VTT Technical Research Centre of Finland Ltd.

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussa › Conference article in proceedings › Scientific › vertaisarvioitu

25 Lataukset (Pure)

1 tulosta

Päättynyt
USSEE: Understanding speech and scene with ears and eyes (USSEE)
Laaksonen, J. (Vastuullinen tutkija), Pehlivan Tort, S. (Projektin jäsen), Wang, T.-J. (Projektin jäsen), Guo, Z. (Projektin jäsen), Saif, A. (Projektin jäsen) & Riahi, I. (Projektin jäsen)
01/01/2022 → 31/12/2024
Projekti: Academy of Finland: Other research funding