「cs.SD」カテゴリーアーカイブ

Lip-to-Speech Synthesis for Arbitrary Speakers in the Wild

投稿日: 2022年9月2日 作成者: jarxiv

要約 この作業では、野生の任意の話者のサイレント リップ ビデオから音声を生成す … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.SD, eess.AS | Lip-to-Speech Synthesis for Arbitrary Speakers in the Wild はコメントを受け付けていません

Late multimodal fusion for image and audio music transcription

投稿日: 2022年8月29日 作成者: jarxiv

要約 音楽ソースを構造化されたデジタル形式に変換する音楽のトランスクリプションは … 続きを読む →

カテゴリー: cs.CV, cs.IR, cs.MM, cs.SD, eess.AS, I.4 | Late multimodal fusion for image and audio music transcription はコメントを受け付けていません

Catch Me If You Hear Me: Audio-Visual Navigation in Complex Unmapped Environments with Moving Sounds

投稿日: 2022年8月29日 作成者: jarxiv

要約 視聴覚ナビゲーションは、視覚と聴覚を組み合わせて、マッピングされていない環 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.RO, cs.SD, eess.AS | Catch Me If You Hear Me: Audio-Visual Navigation in Complex Unmapped Environments with Moving Sounds はコメントを受け付けていません

Interpretable Multimodal Emotion Recognition using Hybrid Fusion of Speech and Image Data

投稿日: 2022年8月26日 作成者: jarxiv

要約 本稿では、音声発話と対応する画像によって表される感情を離散クラスに分類する … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Interpretable Multimodal Emotion Recognition using Hybrid Fusion of Speech and Image Data はコメントを受け付けていません

Everything at Once — Multi-modal Fusion Transformer for Video Retrieval

投稿日: 2022年8月19日 作成者: jarxiv

要約 ビデオ データからのマルチモーダル学習は、ゼロ ショット検索や分類などのタ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.SD, eess.AS | Everything at Once — Multi-modal Fusion Transformer for Video Retrieval はコメントを受け付けていません

Exploiting Transformation Invariance and Equivariance for Self-supervised Sound Localisation

投稿日: 2022年8月16日 作成者: jarxiv

要約 ビデオの音源をローカライズするために、オーディオビジュアル表現学習のための … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Exploiting Transformation Invariance and Equivariance for Self-supervised Sound Localisation はコメントを受け付けていません

Hybrid Multimodal Feature Extraction, Mining and Fusion for Sentiment Analysis

投稿日: 2022年8月15日 作成者: jarxiv

要約 このホワイト ペーパーでは、MuSe-Humor、MuSe-Reactio … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.SD, eess.AS, eess.IV | Hybrid Multimodal Feature Extraction, Mining and Fusion for Sentiment Analysis はコメントを受け付けていません

Late multimodal fusion for image and audio music transcription

投稿日: 2022年8月15日 作成者: jarxiv

要約 音楽ソースを構造化されたデジタル形式に変換する音楽のトランスクリプションは … 続きを読む →

カテゴリー: cs.CV, cs.IR, cs.MM, cs.SD, eess.AS, I.4 | Late multimodal fusion for image and audio music transcription はコメントを受け付けていません

An Intensity and Phase Stacked Analysis of Phase-OTDR System using Deep Transfer Learning and Recurrent Neural Networks

投稿日: 2022年8月9日 作成者: jarxiv

要約 分散型音響センサ（DAS）は、光ファイバに沿って様々な事象の信号を非常に高 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | An Intensity and Phase Stacked Analysis of Phase-OTDR System using Deep Transfer Learning and Recurrent Neural Networks はコメントを受け付けていません

Hybrid Multimodal Feature Extraction, Mining and Fusion for Sentiment Analysis

投稿日: 2022年8月8日 作成者: jarxiv

要約 本論文では，MuSe-Humor, MuSe-Reaction, MuSe … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.SD, eess.AS, eess.IV | Hybrid Multimodal Feature Extraction, Mining and Fusion for Sentiment Analysis はコメントを受け付けていません