「cs.SD」カテゴリーアーカイブ

Siamese Vision Transformers are Scalable Audio-visual Learners

投稿日: 2024年3月29日 作成者: jarxiv

要約 従来のオーディオビジュアル手法は、独立したオーディオとビジュアルのバックボ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Siamese Vision Transformers are Scalable Audio-visual Learners はコメントを受け付けていません

Fusion approaches for emotion recognition from speech using acoustic and text-based features

投稿日: 2024年3月28日 作成者: jarxiv

要約 この論文では、音響およびテキストベースの特徴を使用して音声から感情を分類す … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Fusion approaches for emotion recognition from speech using acoustic and text-based features はコメントを受け付けていません

LCANets++: Robust Audio Classification using Multi-layer Neural Networks with Lateral Competition

投稿日: 2024年3月28日 作成者: jarxiv

要約 音声分類は、音声コマンドや音声イベントなどの音声信号を認識することを目的と … 続きを読む →

カテゴリー: cs.CR, cs.LG, cs.SD, eess.AS | LCANets++: Robust Audio Classification using Multi-layer Neural Networks with Lateral Competition はコメントを受け付けていません

NaturalSpeech 3: Zero-Shot Speech Synthesis with Factorized Codec and Diffusion Models

投稿日: 2024年3月28日 作成者: jarxiv

要約 最近の大規模な音声合成 (TTS) モデルは大幅な進歩を遂げていますが、音 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | NaturalSpeech 3: Zero-Shot Speech Synthesis with Factorized Codec and Diffusion Models はコメントを受け付けていません

Duolando: Follower GPT with Off-Policy Reinforcement Learning for Dance Accompaniment

投稿日: 2024年3月28日 作成者: jarxiv

要約 我々は、3D ダンス生成の分野に、ダンス伴奏と呼ばれる新しいタスクを導入し … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.SD, eess.AS | Duolando: Follower GPT with Off-Policy Reinforcement Learning for Dance Accompaniment はコメントを受け付けていません

Real Acoustic Fields: An Audio-Visual Room Acoustics Dataset and Benchmark

投稿日: 2024年3月28日 作成者: jarxiv

要約 複数のモダリティから実際の音響室データをキャプチャする Real Acou … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Real Acoustic Fields: An Audio-Visual Room Acoustics Dataset and Benchmark はコメントを受け付けていません

Room Transfer Function Reconstruction Using Complex-valued Neural Networks and Irregularly Distributed Microphones

投稿日: 2024年3月27日 作成者: jarxiv

要約 室内の複雑な音場を計算するために必要な室内伝達関数の再構築には、いくつかの … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, eess.SP | Room Transfer Function Reconstruction Using Complex-valued Neural Networks and Irregularly Distributed Microphones はコメントを受け付けていません

Measuring Entrainment in Spontaneous Code-switched Speech

投稿日: 2024年3月27日 作成者: jarxiv

要約 互いに同調する話者は、そうでない話者よりも会話がうまくいくことはよく知られ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Measuring Entrainment in Spontaneous Code-switched Speech はコメントを受け付けていません

As Good As A Coin Toss: Human detection of AI-generated images, videos, audio, and audiovisual stimuli

投稿日: 2024年3月27日 作成者: jarxiv

要約 合成メディアが徐々に現実味を増し、その使用の障壁が低くなり続けるにつれて、 … 続きを読む →

カテゴリー: 68T01, cs.AI, cs.HC, cs.SD, eess.AS, I.2 | As Good As A Coin Toss: Human detection of AI-generated images, videos, audio, and audiovisual stimuli はコメントを受け付けていません

Training Generative Adversarial Network-Based Vocoder with Limited Data Using Augmentation-Conditional Discriminator

投稿日: 2024年3月26日 作成者: jarxiv

要約 敵対的弁別器でトレーニングされた敵対的生成ネットワーク (GAN) ベース … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Training Generative Adversarial Network-Based Vocoder with Limited Data Using Augmentation-Conditional Discriminator はコメントを受け付けていません