-
最近の投稿
- Enhancing Heterogeneous Multi-Agent Cooperation in Decentralized MARL via GNN-driven Intrinsic Rewards
- OrbitGrasp: $SE(3)$-Equivariant Grasp Learning
- M3Bench: Benchmarking Whole-body Motion Generation for Mobile Manipulation in 3D Scenes
- Self-Supervised Learning For Robust Robotic Grasping In Dynamic Environment
- Routing and Scheduling Optimization for Urban Air Mobility Fleet Management using Quantum Annealing
-
最近のコメント
表示できるコメントはありません。 cs.AI (28126) cs.CL (21249) cs.CR (2197) cs.CV (34799) cs.LG (32858) cs.RO (16174) cs.SY (2496) eess.IV (4244) eess.SY (2490) stat.ML (4401)
「cs.SD」カテゴリーアーカイブ
Audio-visual segmentation, sound localization, semantic-aware sounding objects localization
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
Boosting Local Spectro-Temporal Features for Speech Analysis
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
All-for-One and One-For-All: Deep learning-based feature fusion for Synthetic Speech Detection
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
Minimally-Supervised Speech Synthesis with Conditional Diffusion Model and Language Model: A Comparative Study of Semantic Coding
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
Audiovisual Masked Autoencoders
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
Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results
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
CN-Celeb-AV: A Multi-Genre Audio-Visual Dataset for Person Recognition
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
Graph-based Polyphonic Multitrack Music Generation
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
Self-Supervised Visual Acoustic Matching
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
Say Goodbye to RNN-T Loss: A Novel CIF-based Transducer Architecture for Automatic Speech Recognition
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