热点事件持续更新
FLARE：跨模态蒸馏唇读表征框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
arXiv cs.CV 报道，FLARE 提出一种通过跨模态蒸馏与联合人脸-唇部建模学习视觉语音表征的框架。它以 Whisper 表征作为声学教师信号，经随机投影量化器转换为离散蒸馏目标，并采用双流架构分别处理唇部 ROI 与全脸输入。在 LRS2、LRS3、WildVSR 三个数据集上，词错误率分别为 11.7%、13.2%、34.3%。下游应用可搭配轻量 Transformer 解码器或基于 LLM 的解码器。相关代码与预训练模型已公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
FLARE 公布 LRS2/LRS3/WildVSR 词错误率 11.7%/13.2%/34.3%，代码与模型已公开。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CVFLARE：用跨模态蒸馏与联合人脸-唇部建模学习视觉语音表征
FLARE 通过跨模态蒸馏与联合人脸-唇部建模学习视觉语音表征，在 LRS2、LRS3、WildVSR 上的词错误率分别为 11.7%、13.2%、34.3%。它以 Whisper 表征作为声学教师信号，经随机投影量化器转为离散蒸馏目标，并用双流架构分别处理唇部 ROI 与全脸输入。下游可搭配轻量 Transformer 解码器或基于 LLM 的解码器，代码与预训练模型已公开。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。