「cs.SD」カテゴリーアーカイブ

Robust Knowledge Distillation from RNN-T Models With Noisy Training Labels Using Full-Sum Loss

投稿日: 2023年3月13日 作成者: jarxiv

要約 この作業では、知識の蒸留 (KD) を研究し、リカレント ニューラル ネッ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS, stat.ML | Robust Knowledge Distillation from RNN-T Models With Noisy Training Labels Using Full-Sum Loss はコメントを受け付けていません

Deformable Temporal Convolutional Networks for Monaural Noisy Reverberant Speech Separation

投稿日: 2023年3月13日 作成者: jarxiv

要約 音声分離モデルは、多くの音声処理アプリケーションで個々の話者を分離するため … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Deformable Temporal Convolutional Networks for Monaural Noisy Reverberant Speech Separation はコメントを受け付けていません

Synthesizer Preset Interpolation using Transformer Auto-Encoders

投稿日: 2023年3月10日 作成者: jarxiv

要約 サウンド シンセサイザーは、現代の音楽制作で広く使用されていますが、習得す … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Synthesizer Preset Interpolation using Transformer Auto-Encoders はコメントを受け付けていません

Weight Averaging: A Simple Yet Effective Method to Overcome Catastrophic Forgetting in Automatic Speech Recognition

投稿日: 2023年3月10日 作成者: jarxiv

要約 トレーニング済みの自動音声認識 (ASR) モデルを新しいタスクに適応させ … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Weight Averaging: A Simple Yet Effective Method to Overcome Catastrophic Forgetting in Automatic Speech Recognition はコメントを受け付けていません

WASD: A Wilder Active Speaker Detection Dataset

投稿日: 2023年3月10日 作成者: jarxiv

要約 現在のアクティブ スピーカー検出 (ASD) モデルは、音声と顔の特徴のみ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS, eess.IV | WASD: A Wilder Active Speaker Detection Dataset はコメントを受け付けていません

Comparison of semi-supervised deep learning algorithms for audio classification

投稿日: 2023年3月9日 作成者: jarxiv

要約 この記事では、最近の 5 つの SSL メソッドを音声分類のタスクに適用し … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Comparison of semi-supervised deep learning algorithms for audio classification はコメントを受け付けていません

Do Prosody Transfer Models Transfer Prosody?

投稿日: 2023年3月9日 作成者: jarxiv

要約 Text-to-Speech 合成の最近のモデルの中には、参照発話の韻律を … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Do Prosody Transfer Models Transfer Prosody? はコメントを受け付けていません

New Audio Representations Image Gan Generation from BriVL

投稿日: 2023年3月9日 作成者: jarxiv

要約 最近、研究者は、場合によっては、大規模なインターネット データでの自己教師 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | New Audio Representations Image Gan Generation from BriVL はコメントを受け付けていません

An Inception-Residual-Based Architecture with Multi-Objective Loss for Detecting Respiratory Anomalies

投稿日: 2023年3月8日 作成者: jarxiv

要約 この論文では、呼吸音の録音から異常を検出するために適用される深層学習システ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, q-bio.QM | An Inception-Residual-Based Architecture with Multi-Objective Loss for Detecting Respiratory Anomalies はコメントを受け付けていません

Adaptive Knowledge Distillation between Text and Speech Pre-trained Models

投稿日: 2023年3月8日 作成者: jarxiv

要約 大量の音声コーパスでの学習は、多くの自己教師あり音声モデルの最近の成功につ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | Adaptive Knowledge Distillation between Text and Speech Pre-trained Models はコメントを受け付けていません