-
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)
「eess.AS」カテゴリーアーカイブ
Zipformer: A faster and better encoder for automatic speech recognition
要約 Conformer は、自動音声認識 (ASR) 用の最も人気のあるエンコ … 続きを読む
AIx Speed: Playback Speed Optimization Using Listening Comprehension of Speech Recognition Models
要約 人間は実際に観察されるよりも速い速度でオーディオを聞いたりビデオを見たりで … 続きを読む
NaturalSpeech 3: Zero-Shot Speech Synthesis with Factorized Codec and Diffusion Models
要約 最近の大規模な音声合成 (TTS) モデルは大幅な進歩を遂げていますが、音 … 続きを読む
Cross Pseudo-Labeling for Semi-Supervised Audio-Visual Source Localization
要約 AVSL (Audio-Visual Source Localizatio … 続きを読む
Dual Mean-Teacher: An Unbiased Semi-Supervised Framework for Audio-Visual Source Localization
要約 AVSL (Audio-Visual Source Localizatio … 続きを読む
a-DCF: an architecture agnostic metric with application to spoofing-robust speaker verification
要約 なりすまし検出は今日主流の研究テーマである。標準的なメトリクスは、単独のス … 続きを読む
Automatic Speech Recognition using Advanced Deep Learning Approaches: A survey
要約 近年のディープラーニング(DL)の進歩は、自動音声認識(ASR)に大きな課 … 続きを読む
A Closer Look at Wav2Vec2 Embeddings for On-Device Single-Channel Speech Enhancement
要約 自己教師付き学習モデルは、自動音声認識、話者識別、キーワード検出など、特定 … 続きを読む
Unraveling Adversarial Examples against Speaker Identification — Techniques for Attack Detection and Victim Model Classification
要約 敵対的な例が話者識別システムを脅かすことが証明されており、それらに対するい … 続きを読む
Compact Speech Translation Models via Discrete Speech Units Pretraining
要約 音声翻訳 (ST) で優れた結果を得るには、モデルの初期化として自己教師あ … 続きを読む