-
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
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
Hearing Anything Anywhere
要約 近年、3D コンピュータ ビジョンとコンピュータ グラフィックスが大幅に進 … 続きを読む
mHuBERT-147: A Compact Multilingual HuBERT Model
要約 我々は、90,000 時間のクリーンなオープンライセンス データでトレーニ … 続きを読む
mHuBERT-147: A Compact Multilingual HuBERT Model
要約 我々は、90,000 時間のクリーンなオープンライセンス データでトレーニ … 続きを読む
Meta Learning Text-to-Speech Synthesis in over 7000 Languages
要約 この研究では、7,000 以上の言語で音声を生成できる単一のテキスト音声合 … 続きを読む
Controlling Emotion in Text-to-Speech with Natural Language Prompts
要約 近年、プロンプトは自然言語を直感的に使用できるため、生成機械学習モデルの出 … 続きを読む
MOSA: Music Motion with Semantic Annotation Dataset for Cross-Modal Music Processing
要約 クロスモーダル音楽処理では、視覚、聴覚、および意味論的なコンテンツ間の変換 … 続きを読む