-
最近の投稿
- FlowBotHD: History-Aware Diffuser Handling Ambiguities in Articulated Objects Manipulation
- A Novel Twisted-Winching String Actuator for Robotic Applications: Design and Validation
- Affordance-Centric Policy Learning: Sample Efficient and Generalisable Robot Policy Learning using Affordance-Centric Task Frames
- Sample-Efficient Reinforcement Learning with Temporal Logic Objectives: Leveraging the Task Specification to Guide Exploration
- Design Space Exploration of Embedded SoC Architectures for Real-Time Optimal Control
-
最近のコメント
表示できるコメントはありません。 cs.AI (28198) cs.CL (21301) cs.CR (2201) cs.CV (34856) cs.LG (32941) cs.RO (16224) cs.SY (2500) eess.IV (4250) eess.SY (2494) stat.ML (4412)
「cs.SD」カテゴリーアーカイブ
Contextualized End-to-End Speech Recognition with Contextual Phrase Prediction Network
要約 コンテキスト情報は音声認識技術において重要な役割を果たしており、それをエン … 続きを読む
DISCO-10M: A Large-Scale Music Dataset
要約 音楽データセットは、音楽の機械学習の研究を進める上で重要な役割を果たします … 続きを読む
TACOformer:Token-channel compounded Cross Attention for Multimodal Emotion Recognition
要約 最近、生理学的信号に基づく感情認識が集中的に研究されている分野として浮上し … 続きを読む
Text-Driven Foley Sound Generation With Latent Diffusion Model
要約 フォーリー サウンド生成は、マルチメディア コンテンツの背景サウンドを合成 … 続きを読む
Wind Noise Reduction with a Diffusion-based Stochastic Regeneration Model
要約 この論文では、予測モデリングと生成モデリングを組み合わせた、以前に提案した … 続きを読む
NoRefER: a Referenceless Quality Metric for Automatic Speech Recognition via Semi-Supervised Language Model Fine-Tuning with Contrastive Learning
要約 この文書では、自動音声認識 (ASR) システム用の新しい参照のない品質指 … 続きを読む
Sequentially Sampled Chunk Conformer for Streaming End-to-End ASR
要約 このペーパーでは、ストリーミング エンドツーエンド (E2E) ASR 用 … 続きを読む
Implicit spoken language diarization
要約 音声日記化 (LD) とそれに関連するタスクは、主に音韻アプローチを使用し … 続きを読む
Exploring Self-supervised Pre-trained ASR Models For Dysarthric and Elderly Speech Recognition
要約 乱れた発話や高齢者の発話を自動認識することは、そのようなデータを大量に収集 … 続きを読む
MFCCGAN: A Novel MFCC-Based Speech Synthesizer Using Adversarial Learning
要約 本稿では、MFCCを入力として採用し、生の音声波形を生成する敵対的学習に基 … 続きを読む