「cs.SD」カテゴリーアーカイブ

Audio-visual segmentation, sound localization, semantic-aware sounding objects localization

投稿日: 2023年8月1日 作成者: jarxiv

要約 オーディオビジュアル セグメンテーション (AVS) タスクは、特定のビデ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Audio-visual segmentation, sound localization, semantic-aware sounding objects localization はコメントを受け付けていません

Boosting Local Spectro-Temporal Features for Speech Analysis

投稿日: 2023年7月31日 作成者: jarxiv

要約 音声認識のコンテキストで電話の分類の問題を導入し、電話の分類に使用できる局 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Boosting Local Spectro-Temporal Features for Speech Analysis はコメントを受け付けていません

All-for-One and One-For-All: Deep learning-based feature fusion for Synthetic Speech Detection

投稿日: 2023年7月31日 作成者: jarxiv

要約 深層学習とコンピューター ビジョンの最近の進歩により、マルチメディア コン … 続きを読む →

カテゴリー: cs.CL, cs.CR, cs.SD, eess.AS | All-for-One and One-For-All: Deep learning-based feature fusion for Synthetic Speech Detection はコメントを受け付けていません

Minimally-Supervised Speech Synthesis with Conditional Diffusion Model and Language Model: A Comparative Study of Semantic Coding

投稿日: 2023年7月31日 作成者: jarxiv

要約 最近、2 種類の離散音声表現を組み合わせ、2 つのシーケンス間タスクを使用 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Minimally-Supervised Speech Synthesis with Conditional Diffusion Model and Language Model: A Comparative Study of Semantic Coding はコメントを受け付けていません

Audiovisual Masked Autoencoders

投稿日: 2023年7月31日 作成者: jarxiv

要約 ビデオにすでに存在する視聴覚情報を活用して、自己教師あり表現学習を改善する … 続きを読む →

カテゴリー: cs.CV, cs.SD | Audiovisual Masked Autoencoders はコメントを受け付けていません

Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results

投稿日: 2023年7月31日 作成者: jarxiv

要約 ユーモアは人間の感情と認知の重要な要素です。 その自動理解により、より自然 … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results はコメントを受け付けていません

CN-Celeb-AV: A Multi-Genre Audio-Visual Dataset for Person Recognition

投稿日: 2023年7月31日 作成者: jarxiv

要約 オーディオビジュアル人物認識 (AVPR) は大きな注目を集めています。 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | CN-Celeb-AV: A Multi-Genre Audio-Visual Dataset for Person Recognition はコメントを受け付けていません

Graph-based Polyphonic Multitrack Music Generation

投稿日: 2023年7月28日 作成者: jarxiv

要約 グラフを利用して、ポリフォニック マルチトラックの象徴的な音楽をモデル化で … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Graph-based Polyphonic Multitrack Music Generation はコメントを受け付けていません

Self-Supervised Visual Acoustic Matching

投稿日: 2023年7月28日 作成者: jarxiv

要約 音響マッチングの目的は、オーディオ クリップを再合成して、ターゲットの音響 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Self-Supervised Visual Acoustic Matching はコメントを受け付けていません

Say Goodbye to RNN-T Loss: A Novel CIF-based Transducer Architecture for Automatic Speech Recognition

投稿日: 2023年7月28日 作成者: jarxiv

要約 RNN-T モデルは ASR で広く使用されており、RNN-T 損失に依存 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Say Goodbye to RNN-T Loss: A Novel CIF-based Transducer Architecture for Automatic Speech Recognition はコメントを受け付けていません