Papers with Code · CC BY-SA 4.0

Audio captioning

39 평가 기록 5 datasets

Audio Captioning is the task of describing audio using text. The general approach is to use an audio encoder to encode the audio (example: PANN, CAV-MAE), and to use a decoder (example: transformer) to generate the text. To judge the quality of audio captions, though machine translation metrics (BLEU, METEOR, ROUGE) and image captioning metrics (SPICE, CIDER) are used, they are not very well-suited. Attempts have been made to use pretrained language model based metrics such as Sentence-BERT.

개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.

벤치마크

Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.

Dataset기록된 모델 예시MetricPaperCode
MQ-Cap
CIDEr: 0.845SPIDEr: 0.519SPICE: 0.194BLEU-4: 0.301
논문 -
SLAM-AAC
CIDEr: 0.515SPIDEr: 0.332SPICE: 0.148METEOR: 0.197
논문 코드
Audio Flamingo (4-shot)
CIDEr: 0.518
논문 코드
Audio Flamingo
BLEU-4: 14.3METEOR: 20.5ROUGE-L: 40.8CIDEr: 50.2
논문 코드
ZerAuCap
METEOR: 9.4ROUGE-L: 25.4CIDEr: 14SPICE: 5.3
논문 코드

데이터셋

5개

논문

라이브러리

Papers with Code 리더보드 row에 연결된 구현 저장소입니다.

하위 태스크