-
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
Audio-visual segmentation, sound localization, semantic-aware sounding objects localization
要約 オーディオビジュアル セグメンテーション (AVS) タスクは、特定のビデ … 続きを読む
Boosting Local Spectro-Temporal Features for Speech Analysis
要約 音声認識のコンテキストで電話の分類の問題を導入し、電話の分類に使用できる局 … 続きを読む
All-for-One and One-For-All: Deep learning-based feature fusion for Synthetic Speech Detection
要約 深層学習とコンピューター ビジョンの最近の進歩により、マルチメディア コン … 続きを読む
Minimally-Supervised Speech Synthesis with Conditional Diffusion Model and Language Model: A Comparative Study of Semantic Coding
要約 最近、2 種類の離散音声表現を組み合わせ、2 つのシーケンス間タスクを使用 … 続きを読む
Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results
要約 ユーモアは人間の感情と認知の重要な要素です。 その自動理解により、より自然 … 続きを読む
CN-Celeb-AV: A Multi-Genre Audio-Visual Dataset for Person Recognition
要約 オーディオビジュアル人物認識 (AVPR) は大きな注目を集めています。 … 続きを読む
Graph-based Polyphonic Multitrack Music Generation
要約 グラフを利用して、ポリフォニック マルチトラックの象徴的な音楽をモデル化で … 続きを読む
Emotion4MIDI: a Lyrics-based Emotion-Labeled Symbolic Music Dataset
要約 12,000 の MIDI 曲から構成される新しい大規模な感情ラベル付き象 … 続きを読む
Self-Supervised Visual Acoustic Matching
要約 音響マッチングの目的は、オーディオ クリップを再合成して、ターゲットの音響 … 続きを読む
Say Goodbye to RNN-T Loss: A Novel CIF-based Transducer Architecture for Automatic Speech Recognition
要約 RNN-T モデルは ASR で広く使用されており、RNN-T 損失に依存 … 続きを読む