-
最近の投稿
- Topological mapping for traversability-aware long-range navigation in off-road terrain
- Equality Constrained Diffusion for Direct Trajectory Optimization
- Learning-Based Autonomous Navigation, Benchmark Environments and Simulation Framework for Endovascular Interventions
- Language Supervised Human Action Recognition with Salient Fusion: Construction Worker Action Recognition as a Use Case
- Bi-Level Motion Imitation for Humanoid Robots
-
最近のコメント
表示できるコメントはありません。 cs.AI (27641) cs.CL (20879) cs.CR (2167) cs.CV (34375) cs.LG (32373) cs.RO (15816) cs.SY (2460) eess.IV (4221) eess.SY (2454) stat.ML (4339)
「cs.SD」カテゴリーアーカイブ
MIDI-to-Tab: Guitar Tablature Inference via Masked Language Modeling
要約 ギターのタブ譜は、特定のチューニングで各音をギターの弦とフレットに割り当て … 続きを読む
SELD-Mamba: Selective State-Space Model for Sound Event Localization and Detection with Source Distance Estimation
要約 サウンド イベントの位置特定と検出 (SELD) タスクでは、Transf … 続きを読む
Articulatory Configurations across Genders and Periods in French Radio and TV archives
要約 この論文では、音響パラメータから調音パラメータへの反転を使用して、性別およ … 続きを読む
BAST: Binaural Audio Spectrogram Transformer for Binaural Sound Localization
要約 残響環境における正確な音の定位は、人間の聴覚にとって不可欠です。 最近、畳 … 続きを読む
Speech-MASSIVE: A Multilingual Speech Dataset for SLU and Beyond
要約 我々は、MASSIVE テキスト コーパスの一部の音声対応物を構成する多言 … 続きを読む
MMTrail: A Multimodal Trailer Video Dataset with Language and Music Descriptions
要約 大規模なマルチモダリティ データセットは、大規模なビデオ言語モデルの成功を … 続きを読む
Stem-JEPA: A Joint-Embedding Predictive Architecture for Musical Stem Compatibility Estimation
要約 この論文では、特定の音楽コンテキストとよく調和する単一の楽器の音声録音を特 … 続きを読む
An approach to optimize inference of the DIART speaker diarization pipeline
要約 話者ダイアライゼーションは、音声ファイルについて「誰がいつ話したか」という … 続きを読む
Clustering and Mining Accented Speech for Inclusive and Fair Speech Recognition
要約 最新の自動音声認識 (ASR) システムは通常、数万時間以上の音声データに … 続きを読む