「cs.SD」カテゴリーアーカイブ

DARNet: Dual Attention Refinement Network with Spatiotemporal Construction for Auditory Attention Detection

投稿日: 2024年11月19日 作成者: jarxiv

要約 カクテルパーティーでは、人間は注意を向ける驚くべき能力を発揮します。 聴覚 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | DARNet: Dual Attention Refinement Network with Spatiotemporal Construction for Auditory Attention Detection はコメントを受け付けていません

REBORN: Reinforcement-Learned Boundary Segmentation with Iterative Training for Unsupervised ASR

投稿日: 2024年11月18日 作成者: jarxiv

要約 教師なし自動音声認識 (ASR) は、音声とテキストのペアのデータを監視せ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | REBORN: Reinforcement-Learned Boundary Segmentation with Iterative Training for Unsupervised ASR はコメントを受け付けていません

Local deployment of large-scale music AI models on commodity hardware

投稿日: 2024年11月15日 作成者: jarxiv

要約 私たちは、汎用ハードウェア上でローカルに大規模な生成 AI モデルを使用し … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Local deployment of large-scale music AI models on commodity hardware はコメントを受け付けていません

Re-Parameterization of Lightweight Transformer for On-Device Speech Emotion Recognition

投稿日: 2024年11月15日 作成者: jarxiv

要約 エッジまたはモノのインターネット (IoT) デバイスでの機械学習モデルの … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Re-Parameterization of Lightweight Transformer for On-Device Speech Emotion Recognition はコメントを受け付けていません

A Comparative Study of Discrete Speech Tokens for Semantic-Related Tasks with Large Language Models

投稿日: 2024年11月14日 作成者: jarxiv

要約 Speech Large Language Model (Speech L … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | A Comparative Study of Discrete Speech Tokens for Semantic-Related Tasks with Large Language Models はコメントを受け付けていません

Investigating the Effectiveness of Explainability Methods in Parkinson’s Detection from Speech

投稿日: 2024年11月14日 作成者: jarxiv

要約 パーキンソン病 (PD) における言語障害は、診断の重要な初期指標となりま … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Investigating the Effectiveness of Explainability Methods in Parkinson’s Detection from Speech はコメントを受け付けていません

Automatic Album Sequencing

投稿日: 2024年11月13日 作成者: jarxiv

要約 アルバムの順序付けは、アルバム制作プロセスの重要な部分です。 最近、コレク … 続きを読む →

カテゴリー: 68T07, cs.AI, cs.CL, cs.LG, cs.MM, cs.SD, I.2.6 | Automatic Album Sequencing はコメントを受け付けていません

Investigating the Effectiveness of Explainability Methods in Parkinson’s Detection from Speech

投稿日: 2024年11月13日 作成者: jarxiv

要約 パーキンソン病 (PD) における言語障害は、診断の重要な初期指標となりま … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Investigating the Effectiveness of Explainability Methods in Parkinson’s Detection from Speech はコメントを受け付けていません

SAV-SE: Scene-aware Audio-Visual Speech Enhancement with Selective State Space Model

投稿日: 2024年11月13日 作成者: jarxiv

要約 音声強調はさまざまなアプリケーションで重要な役割を果たしており、視覚情報の … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD, eess.AS | SAV-SE: Scene-aware Audio-Visual Speech Enhancement with Selective State Space Model はコメントを受け付けていません

Diffusion Models for Audio Restoration

投稿日: 2024年11月12日 作成者: jarxiv

要約 オーディオ再生デバイスの発展と高速データ伝送に伴い、エンターテインメントと … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Diffusion Models for Audio Restoration はコメントを受け付けていません