-
最近の投稿
- KISS-Matcher: Fast and Robust Point Cloud Registration Revisited
- Unpacking Failure Modes of Generative Policies: Runtime Monitoring of Consistency and Progress
- Mode-GS: Monocular Depth Guided Anchored 3D Gaussian Splatting for Robust Ground-View Scene Rendering
- A Universal Formulation for Path-Parametric Planning and Control
- Next Best Sense: Guiding Vision and Touch with FisherRF for 3D Gaussian Splatting
-
最近のコメント
表示できるコメントはありません。 cs.AI (27775) cs.CL (20990) cs.CR (2176) cs.CV (34489) cs.LG (32518) cs.RO (15916) cs.SY (2472) eess.IV (4231) eess.SY (2466) stat.ML (4356)
「cs.SD」カテゴリーアーカイブ
Audio-Visual Person Verification based on Recursive Fusion of Joint Cross-Attention
要約 顔と声が互いに密接に関連しているため、視聴覚融合を使用した個人または身元確 … 続きを読む
Dynamic Cross Attention for Audio-Visual Person Verification
要約 個人または身元の検証は、主に顔や音声などの個別のモダリティを使用して研究さ … 続きを読む
NeuroVoz: a Castillian Spanish corpus of parkinsonian speech
要約 音声分析によるパーキンソン病(PD)診断の進歩は、公的に利用可能な多様な言 … 続きを読む
Single-Channel Robot Ego-Speech Filtering during Human-Robot Interaction
要約 この論文では、人間の音声がソーシャル ロボットである Pepper の声や … 続きを読む
Zipformer: A faster and better encoder for automatic speech recognition
要約 Conformer は、自動音声認識 (ASR) 用の最も人気のあるエンコ … 続きを読む
AIx Speed: Playback Speed Optimization Using Listening Comprehension of Speech Recognition Models
要約 人間は実際に観察されるよりも速い速度でオーディオを聞いたりビデオを見たりで … 続きを読む
NaturalSpeech 3: Zero-Shot Speech Synthesis with Factorized Codec and Diffusion Models
要約 最近の大規模な音声合成 (TTS) モデルは大幅な進歩を遂げていますが、音 … 続きを読む
Cross Pseudo-Labeling for Semi-Supervised Audio-Visual Source Localization
要約 AVSL (Audio-Visual Source Localizatio … 続きを読む
Dual Mean-Teacher: An Unbiased Semi-Supervised Framework for Audio-Visual Source Localization
要約 AVSL (Audio-Visual Source Localizatio … 続きを読む