Uma equipe de pesquisa composta por instituições como a Universidade do Povo Chinês, a Universidade de Ciência e Tecnologia de Pequim e o Laboratório de IA de Xangai desenvolveu uma tecnologia chamada Ref-AVS, destinada a resolver o problema da compreensão do mundo físico complexo pela inteligência artificial. Essa tecnologia, por meio de um método exclusivo de fusão multimodal, integra informações de segmentação de objetos de vídeo (VOS), segmentação de referência de objetos de vídeo (Ref-VOS) e segmentação de áudio e vídeo (AVS), permitindo que o sistema de IA identifique e localize com precisão objetos específicos em cenários de áudio e vídeo, independentemente de esses objetos emitirem sons ou não. Para verificar a eficácia da tecnologia, a equipe de pesquisa...