-
最近の投稿
- Open-Vocabulary Action Localization with Iterative Visual Prompting
- Patterned Structure Muscle : Arbitrary Shaped Wire-driven Artificial Muscle Utilizing Anisotropic Flexible Structure for Musculoskeletal Robots
- The Power of Input: Benchmarking Zero-Shot Sim-To-Real Transfer of Reinforcement Learning Control Policies for Quadrotor Control
- PokeFlex: A Real-World Dataset of Deformable Objects for Robotics
- Toward a Better Understanding of Robot Energy Consumption in Agroecological Applications
-
最近のコメント
表示できるコメントはありません。 cs.AI (27918) cs.CL (21095) cs.CR (2183) cs.CV (34618) cs.LG (32650) cs.RO (16022) cs.SY (2484) eess.IV (4238) eess.SY (2478) stat.ML (4372)
「cs.SD」カテゴリーアーカイブ
DASpeech: Directed Acyclic Transformer for Fast and High-quality Speech-to-Speech Translation
要約 直接音声ツー音声翻訳 (S2ST) は、単一のモデルを使用して音声をある言 … 続きを読む
Adapting the adapters for code-switching in multilingual ASR
要約 最近、事前トレーニングされた大規模な多言語音声モデルにより、自動音声認識 … 続きを読む
Audio-Visual Neural Syntax Acquisition
要約 私たちは視覚に基づいた音声から句構造を誘導する研究を行っています。 中心と … 続きを読む
Chat with the Environment: Interactive Multimodal Perception Using Large Language Models
要約 複雑な世界でロボットの動作をプログラミングするには、器用な低レベルのスキル … 続きを読む
Deep Video Inpainting Guided by Audio-Visual Self-Supervision
要約 人間は、視聴覚事象についての事前知識に基づいて、聴覚情報から容易に情景を想 … 続きを読む
AutoCycle-VC: Towards Bottleneck-Independent Zero-Shot Cross-Lingual Voice Conversion
要約 本稿では、サイクル構造とメルスペクトログラム前処理を備えたシンプルで堅牢な … 続きを読む
Temporally Aligning Long Audio Interviews with Questions: A Case Study in Multimodal Data Integration
要約 音声とテキストの位置合わせの問題については、トレーニング中に完全な監視を使 … 続きを読む
Fine-grained Audio-Visual Joint Representations for Multimodal Large Language Models
要約 オーディオビジュアルラージ言語モデル (LLM) は大きな注目を集めていま … 続きを読む
Pre-trained Spatial Priors on Multichannel NMF for Music Source Separation
要約 この論文では、録音セットアップ中に取得された空間情報を活用した音源分離への … 続きを読む