-
最近の投稿
- Enhancing Trust in Autonomous Agents: An Architecture for Accountability and Explainability through Blockchain and Large Language Models
- $\mathcal{L}_1$Quad: $\mathcal{L}_1$ Adaptive Augmentation of Geometric Control for Agile Quadrotors with Performance Guarantees
- Scalable and low-cost remote lab platforms: Teaching industrial robotics using open-source tools and understanding its social implications
- Tabletop Object Rearrangement: Structure, Complexity, and Efficient Combinatorial Search-Based Solutions
- AdaCred: Adaptive Causal Decision Transformers with Feature Crediting
-
最近のコメント
表示できるコメントはありません。 cs.AI (31312) cs.CL (23684) cs.CR (2432) cs.CV (37678) cs.LG (36192) cs.RO (18300) cs.SY (2805) eess.IV (4529) eess.SY (2799) stat.ML (4795)
「eess.AS」カテゴリーアーカイブ
RiTTA: Modeling Event Relations in Text-to-Audio Generation
要約 Text-to-Audio (TTA) 生成モデルは大幅に進歩し、詳細なコ … 続きを読む
Fine-tuning Whisper on Low-Resource Languages for Real-World Applications
要約 この論文では、スイスドイツ語をケーススタディとして使用し、文レベルのデータ … 続きを読む
Data-Centric Improvements for Enhancing Multi-Modal Understanding in Spoken Conversation Modeling
要約 会話アシスタントは、現実世界のさまざまなアプリケーションでますます普及して … 続きを読む
ProsodyFM: Unsupervised Phrasing and Intonation Control for Intelligible Speech Synthesis
要約 韻律には、単語の文字通りの意味を超えた豊富な情報が含まれており、音声の明瞭 … 続きを読む
Stable-V2A: Synthesis of Synchronized Sound Effects with Temporal and Semantic Controls
要約 サウンド デザイナーやフォーリー アーティストは通常、ビデオ内の関心の … 続きを読む
GIRAFE: Glottal Imaging Dataset for Advanced Segmentation, Analysis, and Facilitative Playbacks Evaluation
要約 声帯の高速ビデオ内視鏡シーケンスから抽出された促進的再生の開発の進歩は … 続きを読む
AV-Link: Temporally-Aligned Diffusion Features for Cross-Modal Audio-Video Generation
要約 私たちは、一時的に調整されたクロスモーダル コンディショニングのためのフリ … 続きを読む
I Know Your Feelings Before You Do: Predicting Future Affective Reactions in Human-Computer Dialogue
要約 現在の音声対話システム (SDS) は、多くの場合、ユーザーの音声を受信し … 続きを読む
Certification of Speaker Recognition Models to Additive Perturbations
要約 話者認識テクノロジーは、パーソナル仮想アシスタントから安全なアクセス シス … 続きを読む