-
最近の投稿
- Topological mapping for traversability-aware long-range navigation in off-road terrain
- Equality Constrained Diffusion for Direct Trajectory Optimization
- Learning-Based Autonomous Navigation, Benchmark Environments and Simulation Framework for Endovascular Interventions
- Language Supervised Human Action Recognition with Salient Fusion: Construction Worker Action Recognition as a Use Case
- Bi-Level Motion Imitation for Humanoid Robots
-
最近のコメント
表示できるコメントはありません。 cs.AI (27641) cs.CL (20879) cs.CR (2167) cs.CV (34375) cs.LG (32373) cs.RO (15816) cs.SY (2460) eess.IV (4221) eess.SY (2454) stat.ML (4339)
「eess.AS」カテゴリーアーカイブ
Advancing Voice Cloning for Nepali: Leveraging Transfer Learning in a Low-Resource Language
要約 音声クローン作成は、パーソナライズされた音声インターフェイスの顕著な機能で … 続きを読む
MAT-SED: A Masked Audio Transformer with Masked-Reconstruction Based Pre-training for Sound Event Detection
要約 大規模な事前トレーニング済み Transformer エンコーダ ネットワ … 続きを読む
What Do Language Models Hear? Probing for Auditory Representations in Language Models
要約 この研究では、言語モデルが物体の音の意味のある根拠に基づいた表現をエンコー … 続きを読む
ConcateNet: Dialogue Separation Using Local And Global Feature Concatenation
要約 対話の分離には、映画やテレビ番組などの混合物から対話信号を分離することが含 … 続きを読む
MAT-SED: AMasked Audio Transformer with Masked-Reconstruction Based Pre-training for Sound Event Detection
要約 大規模な事前トレーニング済み Transformer エンコーダ ネットワ … 続きを読む
ASVspoof 5: Crowdsourced Speech Data, Deepfakes, and Adversarial Attacks at Scale
要約 ASVspoof 5 は、音声スプーフィングとディープフェイク攻撃の研究、 … 続きを読む
Multimodal Emotion Recognition using Audio-Video Transformer Fusion with Cross Attention
要約 感情を理解することは、人間のコミュニケーションの基本的な側面です。 オーデ … 続きを読む
Enhancing Large Language Model-based Speech Recognition by Contextualization for Rare and Ambiguous Words
要約 私たちは、テキスト プロンプトで事前情報としてキーワードを提供することで文 … 続きを読む
A Multi-Stream Fusion Approach with One-Class Learning for Audio-Visual Deepfake Detection
要約 この論文では、堅牢なオーディオビジュアルディープフェイク検出モデルを開発す … 続きを読む
Optimising MFCC parameters for the automatic detection of respiratory diseases
要約 気道から発信される音声信号は、呼吸器疾患の診断と評価のための貴重な音響バイ … 続きを読む