「cs.SD」カテゴリーアーカイブ

Benchmarking Machine Learning Methods for Distributed Acoustic Sensing

投稿日: 2025年3月27日 作成者: jarxiv

要約 分散音響センシング（DAS）テクノロジーは、光ファイバーに沿った微小摂動の … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Benchmarking Machine Learning Methods for Distributed Acoustic Sensing はコメントを受け付けていません

Zero-Shot Audio-Visual Editing via Cross-Modal Delta Denoising

投稿日: 2025年3月27日 作成者: jarxiv

要約 このペーパーでは、ゼロショットオーディオビデオ編集を紹介します。これは、追 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Zero-Shot Audio-Visual Editing via Cross-Modal Delta Denoising はコメントを受け付けていません

Deep Learning for Speech Emotion Recognition: A CNN Approach Utilizing Mel Spectrograms

投稿日: 2025年3月26日 作成者: jarxiv

要約 このペーパーでは、オーディオファイルのMELスペクトログラム表現を介して音 … 続きを読む →

カテゴリー: cs.AI, cs.SD | Deep Learning for Speech Emotion Recognition: A CNN Approach Utilizing Mel Spectrograms はコメントを受け付けていません

Seeing Speech and Sound: Distinguishing and Locating Audios in Visual Scenes

投稿日: 2025年3月25日 作成者: jarxiv

要約 視覚シーン内の音声言語と非スピーチの両方の音の両方を同時に接地できる統合モ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Seeing Speech and Sound: Distinguishing and Locating Audios in Visual Scenes はコメントを受け付けていません

United we stand, Divided we fall: Handling Weak Complementary Relationships for Audio-Visual Emotion Recognition in Valence-Arousal Space

投稿日: 2025年3月24日 作成者: jarxiv

要約 オーディオとビジュアルモダリティは、ビデオの2つの主要な接触チャネルであり … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | United we stand, Divided we fall: Handling Weak Complementary Relationships for Audio-Visual Emotion Recognition in Valence-Arousal Space はコメントを受け付けていません

Align Your Rhythm: Generating Highly Aligned Dance Poses with Gating-Enhanced Rhythm-Aware Feature Representation

投稿日: 2025年3月24日 作成者: jarxiv

要約 音楽によって駆動される自然で多様でリズミカルな人間のダンスの動きを自動的に … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD, eess.AS | Align Your Rhythm: Generating Highly Aligned Dance Poses with Gating-Enhanced Rhythm-Aware Feature Representation はコメントを受け付けていません

Structured-Noise Masked Modeling for Video, Audio and Beyond

投稿日: 2025年3月21日 作成者: jarxiv

要約 マスクされたモデリングは強力な自己監視学習フレームワークとして浮上していま … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD | Structured-Noise Masked Modeling for Video, Audio and Beyond はコメントを受け付けていません

UniSync: A Unified Framework for Audio-Visual Synchronization

投稿日: 2025年3月21日 作成者: jarxiv

要約 スピーチビデオの正確な視聴覚同期は、コンテンツの品質と視聴者の理解に不可欠 … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | UniSync: A Unified Framework for Audio-Visual Synchronization はコメントを受け付けていません

Evaluating ASR Confidence Scores for Automated Error Detection in User-Assisted Correction Interfaces

投稿日: 2025年3月20日 作成者: jarxiv

要約 自動音声認識（ASR）の進歩にもかかわらず、転写エラーは持続し、手動修正が … 続きを読む →

カテゴリー: cs.CL, cs.HC, cs.SD, eess.AS, I.2.7 | Evaluating ASR Confidence Scores for Automated Error Detection in User-Assisted Correction Interfaces はコメントを受け付けていません

Solla: Towards a Speech-Oriented LLM That Hears Acoustic Context

投稿日: 2025年3月20日 作成者: jarxiv

要約 大規模な言語モデル（LLM）は最近、テキストだけでなく、音声やオーディオな … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Solla: Towards a Speech-Oriented LLM That Hears Acoustic Context はコメントを受け付けていません