-
最近の投稿
- Lightning UQ Box: A Comprehensive Framework for Uncertainty Quantification in Deep Learning
- Fine-Grained Expressive Power of Weisfeiler-Leman: A Homomorphism Counting Perspective
- Hybrid Feedback for Three-dimensional Convex Obstacle Avoidance (Extended version)
- Self-Deployable, Adaptive Soft Robots Based on Contracting-Cord Particle Jamming
- DecTrain: Deciding When to Train a DNN Online
-
最近のコメント
表示できるコメントはありません。 cs.AI (27713) cs.CL (20937) cs.CR (2171) cs.CV (34430) cs.LG (32450) cs.RO (15866) cs.SY (2464) eess.IV (4226) eess.SY (2458) stat.ML (4346)
「cs.SD」カテゴリーアーカイブ
MERGE — A Bimodal Dataset for Static Music Emotion Recognition
要約 音楽感情認識 (MER) 分野は、特徴エンジニアリング、機械学習、深層学習 … 続きを読む
Romanization Encoding For Multilingual ASR
要約 多言語およびコードスイッチング自動音声認識(ASR)システムを最適化するた … 続きを読む
TokenVerse: Unifying Speech and NLP Tasks via Transducer-based ASR
要約 従来の音声からの会話インテリジェンスでは、カスケード・パイプラインが使用さ … 続きを読む
Controlling Whisper: Universal Acoustic Adversarial Attacks to Control Speech Foundation Models
要約 音声認識ベースの柔軟なシステムや、音声プロンプト付きの大規模言語モデル(L … 続きを読む
Performance Analysis of Speech Encoders for Low-Resource SLU and ASR in Tunisian Dialect
要約 自己教師あり学習(SSL)によって事前に学習された音声エンコーダは、音声言 … 続きを読む
Real-time Timbre Remapping with Differentiable DSP
要約 音色は、様々な音楽的文脈における主要な表現方法である。しかし、一般的なオー … 続きを読む
Investigating Decoder-only Large Language Models for Speech-to-text Translation
要約 大規模言語モデル(LLM)は、その卓越した推論能力、汎用性、多様な領域にわ … 続きを読む
Speaker- and Text-Independent Estimation of Articulatory Movements and Phoneme Alignments from Speech
要約 本論文では、これまで別々に扱われてきた2つのタスク、すなわち音響音声-調音 … 続きを読む
GMM-ResNext: Combining Generative and Discriminative Models for Speaker Verification
要約 ディープラーニングの発展に伴い、話者検証において多くの異なるネットワークア … 続きを読む
MuDiT & MuSiT: Alignment with Colloquial Expression in Description-to-Song Generation
要約 生成的AIと人間の芸術的プロセスが交錯する中、本研究では、人間中心の自動作 … 続きを読む
カテゴリー: 68Txx(Primary)14F05, 91Fxx(Secondary), cs.AI, cs.MM, cs.SD, eess.AS, I.2.7
MuDiT & MuSiT: Alignment with Colloquial Expression in Description-to-Song Generation はコメントを受け付けていません