-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
「cs.SD」カテゴリーアーカイブ
Step-Audio-AQAA: a Fully End-to-End Expressive Large Audio Language Model
要約 大規模なオーディオ言語モデル(LALMS)は、インテリジェントなヒューマン … 続きを読む
Label-Context-Dependent Internal Language Model Estimation for CTC
要約 コネクショニストの時間分類(CTC)には、ラベルコンテキストの独立性の仮定 … 続きを読む
Efficient and Direct Duplex Modeling for Speech-to-Speech Language Model
要約 話し言葉の対話は、人間のコンピューターの相互作用の直感的な形式ですが、現在 … 続きを読む
Efficient Fine-Grained Guidance for Diffusion Model Based Symbolic Music Generation
要約 生成モデルを開発して、象徴的な音楽を作成または条件付けて作成することは、デ … 続きを読む
The NTNU System at the S&I Challenge 2025 SLA Open Track
要約 音声言語評価に関する最近の研究ライン(SLA)は、BertやWAV2VEC … 続きを読む
Survey on the Evaluation of Generative Models in Music
要約 音楽における生成システムに関する研究は、近年かなりの注目と成長を遂げていま … 続きを読む
AudioLens: A Closer Look at Auditory Attribute Perception of Large Audio-Language Models
要約 大規模なオーディオ言語モデル(LALMS)の内部メカニズムを理解することは … 続きを読む
Acoustically Precise Hesitation Tagging Is Essential for End-to-End Verbatim Transcription Systems
要約 自動スピーキング評価のための逐語的転写は、エラー分析やフィードバックなどの … 続きを読む
A Novel Data Augmentation Approach for Automatic Speaking Assessment on Opinion Expressions
要約 意見表現に関する自動スピーキング評価(ASA)は、ラベル付きの録音の希少性 … 続きを読む
UniCUE: Unified Recognition and Generation Framework for Chinese Cued Speech Video-to-Speech Generation
要約 手がかりのスピーチ(CS)は、ハンドコーディングを通じてリップリーディング … 続きを読む