MLCA-AVSR
基于多层交叉注意融合的视听语音识别
ABSTRACT
目标任务现状、目前研究现状(研究大方向、研究的欠缺)、本文方法、方法效果(排名、分数)
有一个Index Terms
INTRODUCTION
目标任务的简单发展历程与发展现状，目前任务的难点，指出为什么会有这样的想法
针对任务的难点，列出不同论文的相似方法，按段划分
介绍自己的模型架构与方法，说明自己方法的创新性、可靠性、重要性、实验结果
Method
Previous
画了一张改进前的方法的框架图
详细介绍每个模块的输入输出及其作用
还放了个公式
Improved Cross Attention
画了个改进后的、本文的核心方法框架
详细介绍每个模块的输入输出及其作用，每个模块中与之前模型的区别
放了个公式
Multi-Layer Cross Attention Fusion
画了总体模型框架
之前介绍过的一笔带过，没介绍过的介绍一下用了啥
介绍整体架构的优越性与模块间连接的效果与作用，介绍模型整体的流程，从输入到输出+损失之类的
EXPERIMENT
Data Processing
介绍Dataset
介绍音频的数据预处理
介绍视频的数据预处理
Setup
各种超参：层的维度、dropout等
Results and Analysis
单一模态对比
与常用融合方法对比
消融实验
与数据集上其他SOTA模型对比
CONCLUSION
本文提出了什么方法，核心方法作用，模型在数据集上的效果
TALKNCE
ABSTRACT
目标任务的介绍，以前的工作的侧重点，本文提出的方法及其作用，方法的效果
有Index Terms
INTRODUCTION
目标任务的产生背景，任务的难点
一般的模型架构及其缺陷
本文方法的关注点、优越性及其效果
贡献总结
METHOD
Preliminaries
介绍之前广泛使用的技术框架并画了个图
还介绍了一些在该任务上往其他方向的研究
Contrastive Learning with TalkNCE Loss
介绍原技术架构中，本文技术方案更新的地方，并列了个式子
用公式解释技术方案
EXPERIMENTS
介绍数据集
介绍超参和评价指标
新方法在数据集上的表现
消融实验
CONCLUSION
提出了什么方法，解决了什么问题，有何优势，效果如何
pass
