「cs.SD」カテゴリーアーカイブ

ECLIPSE: Efficient Long-range Video Retrieval using Sight and Sound

投稿日: 2022年8月3日 作成者: jarxiv

要約 テキストからビデオへの長距離検索のためのオーディオビジュアル手法を紹介しま … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.SD, eess.AS | ECLIPSE: Efficient Long-range Video Retrieval using Sight and Sound はコメントを受け付けていません

Towards Unconstrained Audio Splicing Detection and Localization with Neural Networks

投稿日: 2022年8月1日 作成者: jarxiv

要約 無料で利用できる使いやすいオーディオ編集ツールを使用すると、オーディオのス … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS | Towards Unconstrained Audio Splicing Detection and Localization with Neural Networks はコメントを受け付けていません

End-To-End Audiovisual Feature Fusion for Active Speaker Detection

投稿日: 2022年7月28日 作成者: jarxiv

要約 アクティブスピーカー検出は、人間と機械の相互作用において重要な役割を果たし … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | End-To-End Audiovisual Feature Fusion for Active Speaker Detection はコメントを受け付けていません

VoViT: Low Latency Graph-based Audio-Visual Voice Separation Transformer

投稿日: 2022年7月20日 作成者: jarxiv

要約 このホワイトペーパーでは、音声と歌声の2つのシナリオで、低遅延で最先端の結 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | VoViT: Low Latency Graph-based Audio-Visual Voice Separation Transformer はコメントを受け付けていません

Quantized GAN for Complex Music Generation from Dance Videos

投稿日: 2022年7月20日 作成者: jarxiv

要約 Dance2Music-GAN（D2M-GAN）は、ダンスビデオを条件とし … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Quantized GAN for Complex Music Generation from Dance Videos はコメントを受け付けていません

Position Prediction as an Effective Pretraining Strategy

投稿日: 2022年7月18日 作成者: jarxiv

要約 トランスフォーマーは、その強力な表現能力により、自然言語処理（NLP）、コ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Position Prediction as an Effective Pretraining Strategy はコメントを受け付けていません

A Single Self-Supervised Model for Many Speech Modalities Enables Zero-Shot Modality Transfer

投稿日: 2022年7月15日 作成者: jarxiv

要約 視聴覚音声モデルは、音声のみのモデルと比較して優れたパフォーマンスと堅牢性 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.SD, eess.AS, eess.IV | A Single Self-Supervised Model for Many Speech Modalities Enables Zero-Shot Modality Transfer はコメントを受け付けていません

Audio-Visual Segmentation

投稿日: 2022年7月12日 作成者: jarxiv

要約 視聴覚セグメンテーション（AVS）と呼ばれる新しい問題を調査することを提案 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS, eess.IV | Audio-Visual Segmentation はコメントを受け付けていません

FastLTS: Non-Autoregressive End-to-End Unconstrained Lip-to-Speech Synthesis

投稿日: 2022年7月11日 作成者: jarxiv

要約 制約のない唇から音声への合成は、頭のポーズや語彙に制限がなく、話している顔 … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM, cs.SD, eess.AS, I.2.10 | FastLTS: Non-Autoregressive End-to-End Unconstrained Lip-to-Speech Synthesis はコメントを受け付けていません

Self-Supervised Learning of Music-Dance Representation through Explicit-Implicit Rhythm Synchronization

投稿日: 2022年7月8日 作成者: jarxiv

要約 視聴覚表現は多くの下流のタスクに適用可能であることが証明されていますが、よ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Self-Supervised Learning of Music-Dance Representation through Explicit-Implicit Rhythm Synchronization はコメントを受け付けていません