-
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
Diff-A-Riff: Musical Accompaniment Co-creation via Latent Diffusion Models
要約 ディープジェネレーティブモデルの最近の進歩は、音楽制作に新たな機会をもたら … 続きを読む
Harder or Different? Understanding Generalization of Audio Deepfake Detection
要約 最近の研究では、音声ディープフェイク検出における重要な問題が明らかになりま … 続きを読む
CoLM-DSR: Leveraging Neural Codec Language Modeling for Multi-Modal Dysarthric Speech Reconstruction
要約 構音障害音声再構成 (DSR) は、構音障害のある音声を正常な音声に変換す … 続きを読む
Exploring Meta Information for Audio-based Zero-shot Bird Classification
要約 受動的音響モニタリングと機械学習の進歩により、計算による生体音響研究のため … 続きを読む
MM-KWS: Multi-modal Prompts for Multilingual User-defined Keyword Spotting
要約 この論文では、テキストと音声テンプレートのマルチモーダル登録を活用した、ユ … 続きを読む
Multimodal Belief Prediction
要約 話者の信念に対する取り組みのレベルを認識するのは難しい作業です。 人間は文 … 続きを読む
CTC-based Non-autoregressive Textless Speech-to-Speech Translation
要約 直接音声間翻訳 (S2ST) は優れた翻訳品質を実現していますが、音声シー … 続きを読む
Enhancing CTC-based speech recognition with diverse modeling units
要約 近年、トランスフォーマーなどの深層学習アーキテクチャの進歩により、エンドツ … 続きを読む
Multi-Modal Automatic Prosody Annotation with Contrastive Pretraining of SSWP
要約 表現力豊かで制御可能な Text-to-Speech (TTS) では、明 … 続きを読む