「cs.SD」カテゴリーアーカイブ

Finding Fallen Objects Via Asynchronous Audio-Visual Integration

投稿日: 2022年7月8日 作成者: jarxiv

要約 オブジェクトの外観と音の仕方は、その物理的特性を補完的に反映しています。 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.RO, cs.SD, eess.AS | Finding Fallen Objects Via Asynchronous Audio-Visual Integration はコメントを受け付けていません

Expression-preserving face frontalization improves visually assisted speech processing

投稿日: 2022年7月7日 作成者: jarxiv

要約 顔の正面化とは、任意の角度から見た顔から、正面から見た顔を合成することであ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Expression-preserving face frontalization improves visually assisted speech processing はコメントを受け付けていません

VocaLiST: An Audio-Visual Synchronisation Model for Lips and Voices

投稿日: 2022年7月1日 作成者: jarxiv

要約 この論文では、人間の顔と声を含むビデオの唇と声の同期の問題に対処します。 … 続きを読む →

カテゴリー: cs.CV, cs.IR, cs.SD, eess.AS | VocaLiST: An Audio-Visual Synchronisation Model for Lips and Voices はコメントを受け付けていません

Show Me Your Face, And I’ll Tell You How You Speak

投稿日: 2022年6月29日 作成者: jarxiv

要約 私たちが話すとき、韻律とスピーチの内容は私たちの唇の動きから推測することが … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS, eess.IV | Show Me Your Face, And I’ll Tell You How You Speak はコメントを受け付けていません

Incorporating Voice Instructions in Model-Based Reinforcement Learning for Self-Driving Cars

投稿日: 2022年6月22日 作成者: jarxiv

要約 このペーパーでは、自動運転車をトレーニングする際に、自然言語の音声命令をサ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.HC, cs.LG, cs.SD, eess.AS | Incorporating Voice Instructions in Model-Based Reinforcement Learning for Self-Driving Cars はコメントを受け付けていません

Rethinking Audio-visual Synchronization for Active Speaker Detection

投稿日: 2022年6月22日 作成者: jarxiv

要約 アクティブスピーカー検出（ASD）システムは、マルチトーカーの会話を分析す … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD, eess.AS | Rethinking Audio-visual Synchronization for Active Speaker Detection はコメントを受け付けていません

SoundSpaces 2.0: A Simulation Platform for Visual-Acoustic Learning

投稿日: 2022年6月17日 作成者: jarxiv

要約 3D環境向けのオンザフライのジオメトリベースのオーディオレンダリング用のプ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | SoundSpaces 2.0: A Simulation Platform for Visual-Acoustic Learning はコメントを受け付けていません

VisageSynTalk: Unseen Speaker Video-to-Speech Synthesis via Speech-Visage Feature Selection

投稿日: 2022年6月16日 作成者: jarxiv

要約 この作品の目標は、静かに話す顔のビデオからスピーチを再構築することです。 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | VisageSynTalk: Unseen Speaker Video-to-Speech Synthesis via Speech-Visage Feature Selection はコメントを受け付けていません

AVATAR: Unconstrained Audiovisual Speech Recognition

投稿日: 2022年6月16日 作成者: jarxiv

要約 視聴覚自動音声認識（AV-ASR）は、ASRの拡張機能であり、多くの場合、 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | AVATAR: Unconstrained Audiovisual Speech Recognition はコメントを受け付けていません

General-purpose, long-context autoregressive modeling with Perceiver AR

投稿日: 2022年6月15日 作成者: jarxiv

要約 実世界のデータは高次元です。本、画像、または音楽のパフォーマンスには、圧縮 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.SD, eess.AS | General-purpose, long-context autoregressive modeling with Perceiver AR はコメントを受け付けていません