「cs.SD」カテゴリーアーカイブ

Contrastive Conditional Latent Diffusion for Audio-visual Segmentation

投稿日: 2023年8月1日 作成者: jarxiv

要約 我々は、オーディオの寄与を広範囲に調査するために、オーディオビジュアルセグ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Contrastive Conditional Latent Diffusion for Audio-visual Segmentation はコメントを受け付けていません

Audio-visual video-to-speech synthesis with synthesized input audio

投稿日: 2023年8月1日 作成者: jarxiv

要約 ビデオ音声合成では、サイレント ビデオから話者の音声信号を再構築します。 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Audio-visual video-to-speech synthesis with synthesized input audio はコメントを受け付けていません

Large-scale unsupervised audio pre-training for video-to-speech synthesis

投稿日: 2023年8月1日 作成者: jarxiv

要約 ビデオ音声合成は、話者の無声ビデオから音声信号を再構築するタスクです。 こ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Large-scale unsupervised audio pre-training for video-to-speech synthesis はコメントを受け付けていません

Audio-visual segmentation, sound localization, semantic-aware sounding objects localization

投稿日: 2023年8月1日 作成者: jarxiv

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 →

カテゴリー: cs.CV, cs.SD, eess.AS | Audio-visual segmentation, sound localization, semantic-aware sounding objects localization はコメントを受け付けていません

Boosting Local Spectro-Temporal Features for Speech Analysis

投稿日: 2023年7月31日 作成者: jarxiv

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 →

カテゴリー: cs.CL, cs.SD, eess.AS | Boosting Local Spectro-Temporal Features for Speech Analysis はコメントを受け付けていません

All-for-One and One-For-All: Deep learning-based feature fusion for Synthetic Speech Detection

投稿日: 2023年7月31日 作成者: jarxiv

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 →

カテゴリー: cs.CL, cs.CR, cs.SD, eess.AS | All-for-One and One-For-All: Deep learning-based feature fusion for Synthetic Speech Detection はコメントを受け付けていません

Minimally-Supervised Speech Synthesis with Conditional Diffusion Model and Language Model: A Comparative Study of Semantic Coding

投稿日: 2023年7月31日 作成者: jarxiv

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 →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Minimally-Supervised Speech Synthesis with Conditional Diffusion Model and Language Model: A Comparative Study of Semantic Coding はコメントを受け付けていません

Audiovisual Masked Autoencoders

投稿日: 2023年7月31日 作成者: jarxiv

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 →

カテゴリー: cs.CV, cs.SD | Audiovisual Masked Autoencoders はコメントを受け付けていません

Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results

投稿日: 2023年7月31日 作成者: jarxiv

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 →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results はコメントを受け付けていません

CN-Celeb-AV: A Multi-Genre Audio-Visual Dataset for Person Recognition

投稿日: 2023年7月31日 作成者: jarxiv

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 →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | CN-Celeb-AV: A Multi-Genre Audio-Visual Dataset for Person Recognition はコメントを受け付けていません