「eess.AS」カテゴリーアーカイブ

SoundSpaces 2.0: A Simulation Platform for Visual-Acoustic Learning

投稿日: 2023年1月24日 作成者: jarxiv

要約 3D 環境向けのオンザフライ ジオメトリベースのオーディオ レンダリングの … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | SoundSpaces 2.0: A Simulation Platform for Visual-Acoustic Learning はコメントを受け付けていません

Novel-View Acoustic Synthesis

投稿日: 2023年1月24日 作成者: jarxiv

要約 新規ビュー音響合成 (NVAS) タスクを紹介します。ソースの視点で観察さ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Novel-View Acoustic Synthesis はコメントを受け付けていません

Novel-View Acoustic Synthesis

投稿日: 2023年1月23日 作成者: jarxiv

要約 新規ビュー音響合成 (NVAS) タスクを導入します。ソースの視点で観察さ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Novel-View Acoustic Synthesis はコメントを受け付けていません

Speech Driven Video Editing via an Audio-Conditioned Diffusion Model

投稿日: 2023年1月13日 作成者: jarxiv

要約 この論文では、ノイズ除去拡散モデルを使用した、エンドツーエンドの音声駆動ビ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Speech Driven Video Editing via an Audio-Conditioned Diffusion Model はコメントを受け付けていません

Audio-Visual Efficient Conformer for Robust Speech Recognition

投稿日: 2023年1月5日 作成者: jarxiv

要約 ニューラルネットワークに基づくエンドツーエンドの自動音声認識（ASR）シス … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.SD, eess.AS | Audio-Visual Efficient Conformer for Robust Speech Recognition はコメントを受け付けていません

Catch Me If You Hear Me: Audio-Visual Navigation in Complex Unmapped Environments with Moving Sounds

投稿日: 2023年1月4日 作成者: jarxiv

要約 オーディオビジュアルナビゲーションは、視覚と聴覚を組み合わせて、地図に載っ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.RO, cs.SD, eess.AS | Catch Me If You Hear Me: Audio-Visual Navigation in Complex Unmapped Environments with Moving Sounds はコメントを受け付けていません

Feature Dropout: Revisiting the Role of Augmentations in Contrastive Learning

投稿日: 2022年12月19日 作成者: jarxiv

要約 対照学習においてオーグメンテーションはどのような役割を果たしますか? 最近 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Feature Dropout: Revisiting the Role of Augmentations in Contrastive Learning はコメントを受け付けていません

Expression-preserving face frontalization improves visually assisted speech processing

投稿日: 2022年12月16日 作成者: jarxiv

要約 顔の正面化は、任意に見た顔から正面から見た顔を合成することで構成されます。 … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Expression-preserving face frontalization improves visually assisted speech processing はコメントを受け付けていません

Vision Transformers are Parameter-Efficient Audio-Visual Learners

投稿日: 2022年12月16日 作成者: jarxiv

要約 ビジョン トランスフォーマー (ViT) は、過去数年間にさまざまなコンピ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.SD, eess.AS | Vision Transformers are Parameter-Efficient Audio-Visual Learners はコメントを受け付けていません

MAViL: Masked Audio-Video Learners

投稿日: 2022年12月16日 作成者: jarxiv

要約 オーディオビジュアル表現をトレーニングするために、Masked Audio … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | MAViL: Masked Audio-Video Learners はコメントを受け付けていません