How well can VLMs rate audio descriptions: A multi-dimensional quantitative assessment framework
論文 海外
ビジョン言語モデル(VLM)を用いた音声解説(AD)の品質評価フレームワークを提案。盲学生・ロービジョンユーザーの映像アクセスを改善
シェアされたアックリップです。
ビジョン言語モデル(VLM)を用いた音声解説(AD)の品質評価フレームワークを提案。盲学生・ロービジョンユーザーの映像アクセスを改善