-
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
ASR Benchmarking: Need for a More Representative Conversational Dataset
要約 自動音声認識 (ASR) システムは、LibriSpeech や Fleu … 続きを読む
Low Frame-rate Speech Codec: a Codec Designed for Fast High-quality Speech LLM Training and Inference
要約 大規模言語モデル (LLM) は、オーディオを個別のトークンに変換するオー … 続きを読む
Pareto Data Framework: Steps Towards Resource-Efficient Decision Making Using Minimum Viable Data (MVD)
要約 このペーパーでは、組み込みシステム、モバイル デバイス、モノのインターネッ … 続きを読む
Takin: A Cohort of Superior Quality Zero-shot Speech Generation Models
要約 ビッグデータと大規模言語モデル時代の到来により、ゼロショットでパーソナライ … 続きを読む
LC-Protonets: Multi-label Few-shot learning for world music audio tagging
要約 我々は、モデルを少数の利用可能な例のみに基づいて新しいクラスに一般化する必 … 続きを読む
Learning Spatially-Aware Language and Audio Embedding
要約 人間は、不正確な自然言語記述が与えられたとしても、音のシーンを思い描くこと … 続きを読む
Spontaneous Informal Speech Dataset for Punctuation Restoration
要約 現在、句読点復元モデルは、ほぼ完全に構造化され、スクリプト化されたコーパス … 続きを読む
WER We Stand: Benchmarking Urdu ASR Models
要約 このペーパーでは、ウルドゥー語自動音声認識 (ASR) モデルの包括的な評 … 続きを読む
High-Resolution Speech Restoration with Latent Diffusion Model
要約 従来の音声強調方法は、単一の種類の歪みに焦点を当てて復元タスクを過度に単純 … 続きを読む