「cs.SD」カテゴリーアーカイブ

Aligning Sight and Sound: Advanced Sound Source Localization Through Audio-Visual Alignment

投稿日: 2024年7月19日 作成者: jarxiv

要約 学習ベースの音源定位に関する最近の研究は、主に定位パフォーマンスの観点に焦 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Aligning Sight and Sound: Advanced Sound Source Localization Through Audio-Visual Alignment はコメントを受け付けていません

Muting Whisper: A Universal Acoustic Adversarial Attack on Speech Foundation Models

投稿日: 2024年7月18日 作成者: jarxiv

要約 Whisper のような大規模な音声基盤モデルの最近の開発により、多くの自 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Muting Whisper: A Universal Acoustic Adversarial Attack on Speech Foundation Models はコメントを受け付けていません

TTSDS — Text-to-Speech Distribution Score

投稿日: 2024年7月18日 作成者: jarxiv

要約 最近公開された Text-to-Speech (TTS) システムの多くは … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | TTSDS — Text-to-Speech Distribution Score はコメントを受け付けていません

GraphMuse: A Library for Symbolic Music Graph Processing

投稿日: 2024年7月18日 作成者: jarxiv

要約 グラフ ニューラル ネットワーク (GNN) は最近、記号音楽タスクで注目 … 続きを読む →

カテゴリー: cs.AI, cs.DL, cs.SD, eess.AS | GraphMuse: A Library for Symbolic Music Graph Processing はコメントを受け付けていません

Tango 2: Aligning Diffusion-based Text-to-Audio Generations through Direct Preference Optimization

投稿日: 2024年7月18日 作成者: jarxiv

要約 ジェネレーティブ マルチモーダル コンテンツは、アーティストやメディア担当 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | Tango 2: Aligning Diffusion-based Text-to-Audio Generations through Direct Preference Optimization はコメントを受け付けていません

Disentangled Acoustic Fields For Multimodal Physical Scene Understanding

投稿日: 2024年7月17日 作成者: jarxiv

要約 私たちは、身体化されたエージェントが物体の特性、方向、衝撃音源の距離を推測 … 続きを読む →

カテゴリー: cs.RO, cs.SD, eess.AS | Disentangled Acoustic Fields For Multimodal Physical Scene Understanding はコメントを受け付けていません

MMSD-Net: Towards Multi-modal Stuttering Detection

投稿日: 2024年7月17日 作成者: jarxiv

要約 吃音は、音声生成の不規則な中断によって引き起こされる一般的な音声障害であり … 続きを読む →

カテゴリー: cs.CL, cs.MM, cs.SD, eess.AS | MMSD-Net: Towards Multi-modal Stuttering Detection はコメントを受け付けていません

Universal Sound Separation with Self-Supervised Audio Masked Autoencoder

投稿日: 2024年7月17日 作成者: jarxiv

要約 ユニバーサル サウンド セパレーション (USS) は、任意の音源の混合物 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Universal Sound Separation with Self-Supervised Audio Masked Autoencoder はコメントを受け付けていません

DiarizationLM: Speaker Diarization Post-Processing with Large Language Models

投稿日: 2024年7月16日 作成者: jarxiv

要約 このペーパーでは、大規模言語モデル (LLM) を利用して話者ダイアライゼ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | DiarizationLM: Speaker Diarization Post-Processing with Large Language Models はコメントを受け付けていません

Towards Enhanced Classification of Abnormal Lung sound in Multi-breath: A Light Weight Multi-label and Multi-head Attention Classification Method

投稿日: 2024年7月16日 作成者: jarxiv

要約 本研究の目的は、異常な肺呼吸音を分類するための補助診断システムを開発し、革 … 続きを読む →

カテゴリー: cs.AI, cs.SD | Towards Enhanced Classification of Abnormal Lung sound in Multi-breath: A Light Weight Multi-label and Multi-head Attention Classification Method はコメントを受け付けていません