-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
「cs.SD」カテゴリーアーカイブ
REFFLY: Melody-Constrained Lyrics Editing Model
要約 メロディから歌詞への自動生成(M2L)は、与えられたメロディに沿った歌詞を … 続きを読む
CAV-MAE Sync: Improving Contrastive Audio-Visual Mask Autoencoders via Fine-Grained Alignment
要約 オーディオビジュアル学習における最近の進歩は、モダリティを超えた表現の学習 … 続きを読む
FlowDubber: Movie Dubbing with LLM-based Semantic-aware Learning and Flow Matching based Voice Enhancing
要約 ムービーダビングは、与えられた短い参照音声のボーカルの音色を維持しながら、 … 続きを読む
An Automated Pipeline for Few-Shot Bird Call Classification: A Case Study with the Tooth-Billed Pigeon
要約 本論文では、BirdNETやPerchのような大規模な公開分類器にはない希 … 続きを読む
Voice Cloning: Comprehensive Survey
要約 音声クローニングは、今日のデジタルの世界で急速に進歩しており、多くの研究者 … 続きを読む
Ditto: Motion-Space Diffusion for Controllable Realtime Talking Head Synthesis
要約 拡散モデルの最近の進歩により、微妙な表現と鮮やかなヘッドの動きを備えたトー … 続きを読む
Addressing Emotion Bias in Music Emotion Recognition and Generation with Frechet Audio Distance
要約 音楽感情の複雑な性質は、特に単一のオーディオエンコーダー、感情分類器、また … 続きを読む
Cross-Lingual Speech Emotion Recognition: Humans vs. Self-Supervised Models
要約 音声感情認識(SER)のための自己監視学習(SSL)モデルを利用して、効果 … 続きを読む
Semi-Supervised Cognitive State Classification from Speech with Multi-View Pseudo-Labeling
要約 ラベル付けされたデータの欠如は、音声分類タスク、特に認知状態分類などの広範 … 続きを読む
Revise, Reason, and Recognize: LLM-Based Emotion Recognition via Emotion-Specific Prompts and ASR Error Correction
要約 迅速なエンジニアリングを使用して音声感情を注釈と認識して、最近、大規模な言 … 続きを読む