-
最近の投稿
- LLM2Swarm: Robot Swarms that Responsively Reason, Plan, and Collaborate through LLMs
- Learning Smooth Humanoid Locomotion through Lipschitz-Constrained Policies
- Light-Weight Fault Tolerant Attention for Large Language Model Training
- Efficient Diffusion Models: A Comprehensive Survey from Principles to Practices
- Visual Manipulation with Legs
-
最近のコメント
表示できるコメントはありません。 cs.AI (28129) cs.CL (21250) cs.CR (2197) cs.CV (34801) cs.LG (32860) cs.RO (16178) cs.SY (2496) eess.IV (4244) eess.SY (2490) stat.ML (4401)
「cs.SD」カテゴリーアーカイブ
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
WavJourney: Compositional Audio Creation with Large Language Models
要約 大規模言語モデル (LLM) は、複雑な言語と視覚のタスクに取り組むために … 続きを読む
Adversarial Agents For Attacking Inaudible Voice Activated Devices
要約 この論文では、強化学習を新しいモノのインターネット構成に適用しています。 … 続きを読む
Estimating speaker direction on a humanoid robot with binaural acoustic signals
要約 音声対話中に人間のような動作を実現するには、人型ロボットが人間の話者の位置 … 続きを読む
Robust Automatic Speech Recognition via WavAugment Guided Phoneme Adversarial Training
要約 モデルはクリーンなサンプルで元のパフォーマンスを維持するだけでなく、小さな … 続きを読む
A Model for Every User and Budget: Label-Free and Personalized Mixed-Precision Quantization
要約 自動音声認識 (ASR) の最近の進歩により、大規模な AI モデルが生成 … 続きを読む
Code-Switched Urdu ASR for Noisy Telephonic Environment using Data Centric Approach with Hybrid HMM and CNN-TDNN
要約 コールセンターには、ビジネス上の貴重な洞察を得るために使用できる膨大な量の … 続きを読む
A Change of Heart: Improving Speech Emotion Recognition through Speech-to-Text Modality Conversion
要約 音声感情認識 (SER) は困難なタスクです。 この論文では、MELD デ … 続きを読む
A Review of Machine Learning Methods Applied to Structural Dynamics and Vibroacoustic
要約 機械学習 (ML) の使用はいくつかの分野に急速に広がり、構造力学と振動音 … 続きを読む