-
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
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
WavJourney: Compositional Audio Creation with Large Language Models
要約 大規模言語モデル (LLM) は、複雑な言語と視覚のタスクに取り組むために … 続きを読む
Adversarial Agents For Attacking Inaudible Voice Activated Devices
要約 この論文では、強化学習を新しいモノのインターネット構成に適用しています。 … 続きを読む
Estimating speaker direction on a humanoid robot with binaural acoustic signals
要約 音声対話中に人間のような動作を実現するには、人型ロボットが人間の話者の位置 … 続きを読む
Robust Automatic Speech Recognition via WavAugment Guided Phoneme Adversarial Training
要約 モデルはクリーンなサンプルで元のパフォーマンスを維持するだけでなく、小さな … 続きを読む
A Model for Every User and Budget: Label-Free and Personalized Mixed-Precision Quantization
要約 自動音声認識 (ASR) の最近の進歩により、大規模な AI モデルが生成 … 続きを読む
Code-Switched Urdu ASR for Noisy Telephonic Environment using Data Centric Approach with Hybrid HMM and CNN-TDNN
要約 コールセンターには、ビジネス上の貴重な洞察を得るために使用できる膨大な量の … 続きを読む
MeetEval: A Toolkit for Computation of Word Error Rates for Meeting Transcription Systems
要約 MeetEval は、あらゆる種類の会議文字起こしシステムを評価するための … 続きを読む
Topic Identification For Spontaneous Speech: Enriching Audio Features With Embedded Linguistic Information
要約 音声からの従来のトピック識別ソリューションは、自動音声認識システム (AS … 続きを読む