-
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
DeepDialogue: A Multi-Turn Emotionally-Rich Spoken Dialogue Dataset
要約 会話型AIの最近の進歩は、単一ターン応答の印象的な能力を実証していますが、 … 続きを読む
Automated data curation for self-supervised learning in underwater acoustic analysis
要約 海洋生態系の持続可能性は、健全な汚染のレベルの増加によって脅かされており、 … 続きを読む
Bemba Speech Translation: Exploring a Low-Resource African Language
要約 このホワイトペーパーでは、スポークン言語翻訳に関する国際会議(IWSLT … 続きを読む
‘Alexa, can you forget me?’ Machine Unlearning Benchmark in Spoken Language Understanding
要約 機械学習モデルから特定の情報を効率的に削除するプロセスであるマシンの未学習 … 続きを読む
Efficient Speech Translation through Model Compression and Knowledge Distillation
要約 音声翻訳のための大規模なオーディオ言語モデルの効率的な展開は、重要な計算要 … 続きを読む
From Alignment to Advancement: Bootstrapping Audio-Language Alignment with Synthetic Data
要約 オーディオ認識の大規模な言語モデル(ALLMS)は、最近、オーディオ入力を … 続きを読む
Towards Video to Piano Music Generation with Chain-of-Perform Support Benchmarks
要約 ビデオから高品質のピアノオーディオを生成するには、視覚的な手がかりと音楽出 … 続きを読む
DualTalk: Dual-Speaker Interaction for 3D Talking Head Conversations
要約 対面での会話では、個人はスピーキングとリスニングの役割を切り替える必要があ … 続きを読む
CrossMuSim: A Cross-Modal Framework for Music Similarity Retrieval with LLM-Powered Text Description Sourcing and Mining
要約 音楽の類似性検索は、ストリーミングプラットフォームの大規模なコレクションか … 続きを読む
DualTalk: Dual-Speaker Interaction for 3D Talking Head Conversations
要約 対面での会話では、個人はスピーキングとリスニングの役割を切り替える必要があ … 続きを読む