-
最近の投稿
- Enhancing Trust in Autonomous Agents: An Architecture for Accountability and Explainability through Blockchain and Large Language Models
- $\mathcal{L}_1$Quad: $\mathcal{L}_1$ Adaptive Augmentation of Geometric Control for Agile Quadrotors with Performance Guarantees
- Scalable and low-cost remote lab platforms: Teaching industrial robotics using open-source tools and understanding its social implications
- Tabletop Object Rearrangement: Structure, Complexity, and Efficient Combinatorial Search-Based Solutions
- AdaCred: Adaptive Causal Decision Transformers with Feature Crediting
-
最近のコメント
表示できるコメントはありません。 cs.AI (31312) cs.CL (23684) cs.CR (2432) cs.CV (37678) cs.LG (36192) cs.RO (18300) cs.SY (2805) eess.IV (4529) eess.SY (2799) stat.ML (4795)
「eess.AS」カテゴリーアーカイブ
Audio Array-Based 3D UAV Trajectory Estimation with LiDAR Pseudo-Labeling
要約 小型無人航空機 (UAV) の普及が進むにつれ、公共の安全とプライバシーへ … 続きを読む
CLASP: Contrastive Language-Speech Pretraining for Multilingual Multimodal Information Retrieval
要約 この研究では、音声テキスト情報の検索に合わせて調整された多言語、マルチモー … 続きを読む
Modality-Inconsistent Continual Learning of Multimodal Large Language Models
要約 このペーパーでは、一貫性のないモダリティ (画像、音声、またはビデオ) と … 続きを読む
Classification of Spontaneous and Scripted Speech for Multilingual Audio
要約 台本に書かれた発話と自発的な発話を区別することは、発話スタイルが音声処理研 … 続きを読む
Speech Foundation Models and Crowdsourcing for Efficient, High-Quality Data Collection
要約 クラウドソーシングは音声データの収集を容易にし、拡張するための確立されたソ … 続きを読む
autrainer: A Modular and Extensible Deep Learning Toolkit for Computer Audition Tasks
要約 この研究では、コンピューターオーディションタスク用の新しい深層学習トレーニ … 続きを読む
SonicBoom: Contact Localization Using Array of Microphones
要約 農業環境など、視覚センサーが重度の遮蔽に遭遇する乱雑な環境では、触覚信号は … 続きを読む
Enhancing Temporal Understanding in Audio Question Answering for Large Audio Language Models
要約 音声質問応答 (AQA) タスクには、音声イベント分類、音声キャプション、 … 続きを読む
CosyVoice 2: Scalable Streaming Speech Synthesis with Large Language Models
要約 前回の研究では、教師付き離散音声トークンに基づく多言語音声合成モデルである … 続きを読む