-
最近の投稿
- BlabberSeg: Real-Time Embedded Open-Vocabulary Aerial Segmentation
- Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks
- Risk Assessment for Autonomous Landing in Urban Environments using Semantic Segmentation
- Configurable Embodied Data Generation for Class-Agnostic RGB-D Video Segmentation
- RPCBF: Constructing Safety Filters Robust to Model Error and Disturbances via Policy Control Barrier Functions
-
最近のコメント
表示できるコメントはありません。 cs.AI (28260) cs.CL (21356) cs.CR (2207) cs.CV (34912) cs.LG (33009) cs.RO (16270) cs.SY (2503) eess.IV (4251) eess.SY (2497) stat.ML (4424)
「eess.AS」カテゴリーアーカイブ
CiwaGAN: Articulatory information exchange
要約 人間は調音器官を制御することで情報を音に符号化し、聴覚装置を使用して音から … 続きを読む
SeACo-Paraformer: A Non-Autoregressive ASR System with Flexible and Effective Hotword Customization Ability
要約 ホットワードのカスタマイズは、ASR 分野に残された懸念事項の 1 つです … 続きを読む
GEmo-CLAP: Gender-Attribute-Enhanced Contrastive Language-Audio Pretraining for Accurate Speech Emotion Recognition
要約 対照的クロスモダリティ事前トレーニングは、最近さまざまな分野で目覚ましい成 … 続きを読む
Spaiche: Extending State-of-the-Art ASR Models to Swiss German Dialects
要約 NLP における最近の進歩により、私たちの日常生活における ASR システ … 続きを読む
Can Whisper perform speech-based in-context learning
要約 この論文では、OpenAI によってリリースされた Whisper 自動音 … 続きを読む
CoMoSpeech: One-Step Speech and Singing Voice Synthesis via Consistency Model
要約 ノイズ除去拡散確率モデル (DDPM) は、音声合成において有望なパフォー … 続きを読む
MASTERKEY: Practical Backdoor Attack Against Speaker Verification Systems
要約 話者認証 (SV) は、音声特性を使用して正当なユーザーを認証するために、 … 続きを読む
Weakly-Supervised Multi-Task Learning for Audio-Visual Speaker Verification
要約 この論文では、オープンセットの視聴覚話者検証用に最適化された堅牢なマルチモ … 続きを読む
Assessing the Generalization Gap of Learning-Based Speech Enhancement Systems in Noisy and Reverberant Environments
要約 雑音と残響のある音声混合物の音響変動は、ターゲット話者と干渉ノイズの分光時 … 続きを読む