香港科技大学研究新突破：一个”翻译官”同时读懂视频和声音

这项由香港科技大学研究团队完成的研究成果以预印本形式发布于 2026 年 6 月 29 日，论文编号为 arXiv:2606.30811v1，研究领域属于计算机视觉方向。有兴趣深入了解的读者可以通过该编号在 arXiv 学术平台查询完整论文。你有没有遇到过这样的情况：看一段无声的视频时，总觉得少了