-
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
Robust Wake-Up Word Detection by Two-stage Multi-resolution Ensembles
要約 音声ベースのインターフェイスは、ウェイクアップ ワード メカニズムに依存し … 続きを読む
LocSelect: Target Speaker Localization with an Auditory Selective Hearing Mechanism
要約 一般的な耐ノイズ性および耐残響性定位アルゴリズムは、主に、スピーカーのアイ … 続きを読む
LocSelect: Target Speaker Localization with an Auditory Selective Hearing Mechanism
要約 一般的な耐ノイズ性および耐残響性定位アルゴリズムは、主に、話者のアイデンテ … 続きを読む
AV-NeRF: Learning Neural Fields for Real-World Audio-Visual Scene Synthesis
要約 視聴覚シーンを記録する機械は、新しい位置や新しい視点で、現実的で一致する視 … 続きを読む
Soundify: Matching Sound Effects to Video
要約 ビデオ編集の分野では、サウンドはオブジェクトに個性を加え、視聴者を空間に没 … 続きを読む
Fast Word Error Rate Estimation Using Self-Supervised Representations For Speech And Text
要約 自動音声認識 (ASR) の品質は通常、単語誤り率 (WER) によって測 … 続きを読む
Impact of time and note duration tokenizations on deep learning symbolic music modeling
要約 象徴的な音楽は、生成、転写、合成、音楽情報検索 (MIR) などのさまざま … 続きを読む
Efficient Emotional Adaptation for Audio-Driven Talking-Head Generation
要約 オーディオ駆動トーキングヘッド合成は、仮想人間関連アプリケーションの人気の … 続きを読む
Soundify: Matching Sound Effects to Video
要約 ビデオ編集の分野では、サウンドはオブジェクトに個性を加え、視聴者を空間に没 … 続きを読む
Investigating the Effect of Language Models in Sequence Discriminative Training for Neural Transducers
要約 この研究では、音素ベースの神経トランスデューサーのシーケンス識別トレーニン … 続きを読む