cs.SD」カテゴリーアーカイブ

DiTAR: Diffusion Transformer Autoregressive Modeling for Speech Generation

要約 いくつかの最近の研究では、拡散モデルと自己回帰モデルを組み合わせることによ … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | コメントする

Ola: Pushing the Frontiers of Omni-Modal Language Model with Progressive Modality Alignment

要約 特にGPT-4Oに続く大規模な言語モデルの最近の進歩により、より多くのモダ … 続きを読む

カテゴリー: cs.CL, cs.CV, cs.MM, cs.SD, eess.AS, eess.IV | コメントする

mWhisper-Flamingo for Multilingual Audio-Visual Noise-Robust Speech Recognition

要約 Audio-Visuual Speech Speech Septureat … 続きを読む

カテゴリー: cs.CV, cs.SD, eess.AS | コメントする

Calibration of Multiple Asynchronous Microphone Arrays using Hybrid TDOA

要約 複数の非同期マイクアレイで作られた音響センシングシステムの正確なキャリブレ … 続きを読む

カテゴリー: cs.RO, cs.SD | コメントする

Improved Extrinsic Calibration of Acoustic Cameras via Batch Optimization

要約 アコースティックカメラでは、実際には多くのアプリケーションが見つかりました … 続きを読む

カテゴリー: cs.RO, cs.SD | コメントする

Evaluation of Deep Audio Representations for Hearables

要約 効果的に聞こえるデバイスには、ユーザーの周りの音響環境を理解する必要があり … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.SD | コメントする

Exploring Audio Editing Features as User-Centric Privacy Defenses Against Large Language Model(LLM) Based Emotion Inference Attacks

要約 仮想アシスタント、ビデオ会議プラットフォーム、ウェアラブルデバイスなどの音 … 続きを読む

カテゴリー: cs.AI, cs.CR, cs.LG, cs.SD, eess.AS | コメントする

Learning Musical Representations for Music Performance Question Answering

要約 音楽パフォーマンスは、視聴覚モデリングの代表的なシナリオです。 まばらなオ … 続きを読む

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | コメントする

CleanUMamba: A Compact Mamba Network for Speech Denoising using Channel Pruning

要約 このペーパーでは、生の波形に直接適用されるリアルタイムの因果オーディオ除去 … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS | コメントする

Meta Audiobox Aesthetics: Unified Automatic Quality Assessment for Speech, Music, and Sound

要約 オーディオ美学の定量化は、主にその主観的な性質のために、人間の認識と文化的 … 続きを読む

カテゴリー: cs.LG, cs.SD, eess.AS | コメントする