-
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
SpeechGuard: Exploring the Adversarial Robustness of Multimodal Large Language Models
要約 音声指示に従い、関連するテキスト応答を生成できる統合音声モデルおよび大規模 … 続きを読む
Investigating Design Choices in Joint-Embedding Predictive Architectures for General Audio Representation Learning
要約 この論文は、自己教師ありの汎用音声表現学習の問題に取り組みます。 このタス … 続きを読む
Are Sounds Sound for Phylogenetic Reconstruction?
要約 言語進化に関する伝統的な研究では、学者は言語家系図の系統推論における健全な … 続きを読む
Age-Dependent Analysis and Stochastic Generation of Child-Directed Speech
要約 子ども向けスピーチ (CDS) は、大人が幼い子どもに話しかけるときに使用 … 続きを読む
Are Sounds Sound for Phylogenetic Reconstruction?
要約 言語進化に関する伝統的な研究では、学者は言語家系図の系統推論における健全な … 続きを読む
FastSAG: Towards Fast Non-Autoregressive Singing Accompaniment Generation
要約 入力ボーカルに伴奏する楽器音楽を生成する歌唱伴奏生成 (SAG) は、人間 … 続きを読む
Improving Multimodal Learning with Multi-Loss Gradient Modulation
要約 オーディオやビデオなどの複数のモダリティから学習すると、補完的な情報を活用 … 続きを読む
Look Once to Hear: Target Speech Hearing with Noisy Examples
要約 混雑した環境では、人間の脳は、音声がどのように聞こえるかについて事前に知識 … 続きを読む
Look Once to Hear: Target Speech Hearing with Noisy Examples
要約 混雑した環境では、人間の脳は、音声がどのように聞こえるかについて事前に知識 … 続きを読む
An Investigation of Incorporating Mamba for Speech Enhancement
要約 この研究は、音声強調 (SE) タスク用のスケーラブルな状態空間モデル ( … 続きを読む