「eess.AS」カテゴリーアーカイブ

MoMuSE: Momentum Multi-modal Target Speaker Extraction for Real-time Scenarios with Impaired Visual Cues

投稿日: 2025年4月1日 作成者: jarxiv

要約 オーディオビジュアルターゲットスピーカー抽出（AV-TSE）は、時間同期さ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | MoMuSE: Momentum Multi-modal Target Speaker Extraction for Real-time Scenarios with Impaired Visual Cues はコメントを受け付けていません

Audio-Plane: Audio Factorization Plane Gaussian Splatting for Real-Time Talking Head Synthesis

投稿日: 2025年3月31日 作成者: jarxiv

要約 トーキングヘッド合成は、コンピューターグラフィックスとマルチメディアの重要 … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.SD, eess.AS | Audio-Plane: Audio Factorization Plane Gaussian Splatting for Real-Time Talking Head Synthesis はコメントを受け付けていません

Whistle: Data-Efficient Multilingual and Crosslingual Speech Recognition via Weakly Phonetic Supervision

投稿日: 2025年3月28日 作成者: jarxiv

要約 多言語および相互自動音声認識（MCL-ASR） – 音声または … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Whistle: Data-Efficient Multilingual and Crosslingual Speech Recognition via Weakly Phonetic Supervision はコメントを受け付けていません

Magnitude-Phase Dual-Path Speech Enhancement Network based on Self-Supervised Embedding and Perceptual Contrast Stretch Boosting

投稿日: 2025年3月28日 作成者: jarxiv

要約 スピーチの自己学習学習（SSL）は、さまざまな音声処理タスクで大きな進歩を … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Magnitude-Phase Dual-Path Speech Enhancement Network based on Self-Supervised Embedding and Perceptual Contrast Stretch Boosting はコメントを受け付けていません

Benchmarking Machine Learning Methods for Distributed Acoustic Sensing

投稿日: 2025年3月27日 作成者: jarxiv

要約 分散音響センシング（DAS）テクノロジーは、光ファイバーに沿った微小摂動の … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Benchmarking Machine Learning Methods for Distributed Acoustic Sensing はコメントを受け付けていません

Zero-Shot Audio-Visual Editing via Cross-Modal Delta Denoising

投稿日: 2025年3月27日 作成者: jarxiv

要約 このペーパーでは、ゼロショットオーディオビデオ編集を紹介します。これは、追 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Zero-Shot Audio-Visual Editing via Cross-Modal Delta Denoising はコメントを受け付けていません

Seeing Speech and Sound: Distinguishing and Locating Audios in Visual Scenes

投稿日: 2025年3月25日 作成者: jarxiv

要約 視覚シーン内の音声言語と非スピーチの両方の音の両方を同時に接地できる統合モ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Seeing Speech and Sound: Distinguishing and Locating Audios in Visual Scenes はコメントを受け付けていません

United we stand, Divided we fall: Handling Weak Complementary Relationships for Audio-Visual Emotion Recognition in Valence-Arousal Space

投稿日: 2025年3月24日 作成者: jarxiv

要約 オーディオとビジュアルモダリティは、ビデオの2つの主要な接触チャネルであり … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | United we stand, Divided we fall: Handling Weak Complementary Relationships for Audio-Visual Emotion Recognition in Valence-Arousal Space はコメントを受け付けていません

Align Your Rhythm: Generating Highly Aligned Dance Poses with Gating-Enhanced Rhythm-Aware Feature Representation

投稿日: 2025年3月24日 作成者: jarxiv

要約 音楽によって駆動される自然で多様でリズミカルな人間のダンスの動きを自動的に … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD, eess.AS | Align Your Rhythm: Generating Highly Aligned Dance Poses with Gating-Enhanced Rhythm-Aware Feature Representation はコメントを受け付けていません

emg2qwerty: A Large Dataset with Baselines for Touch Typing using Surface Electromyography

投稿日: 2025年3月21日 作成者: jarxiv

要約 表面筋電図（SEMG）は、個々の脊椎ニューロンと豊かさを検出するのに十分な … 続きを読む →

カテゴリー: cs.HC, cs.LG, eess.AS, H.1.2 | emg2qwerty: A Large Dataset with Baselines for Touch Typing using Surface Electromyography はコメントを受け付けていません