「eess.AS」カテゴリーアーカイブ

Audio Enhancement for Computer Audition — An Iterative Training Paradigm Using Sample Importance

投稿日: 2024年8月13日 作成者: jarxiv

要約 自動音声認識 (ASR) や音響シーン分類 (ASC) などのオーディオ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Audio Enhancement for Computer Audition — An Iterative Training Paradigm Using Sample Importance はコメントを受け付けていません

SELD-Mamba: Selective State-Space Model for Sound Event Localization and Detection with Source Distance Estimation

投稿日: 2024年8月12日 作成者: jarxiv

要約 サウンド イベントの位置特定と検出 (SELD) タスクでは、Transf … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | SELD-Mamba: Selective State-Space Model for Sound Event Localization and Detection with Source Distance Estimation はコメントを受け付けていません

U2++ MoE: Scaling 4.7x parameters with minimal impact on RTF

投稿日: 2024年8月9日 作成者: jarxiv

要約 Scale は自然言語処理の新たな境地を切り開きましたが、それには高いコス … 続きを読む →

カテゴリー: cs.CL, eess.AS, I.2.7 | U2++ MoE: Scaling 4.7x parameters with minimal impact on RTF はコメントを受け付けていません

HydraFormer: One Encoder For All Subsampling Rates

投稿日: 2024年8月9日 作成者: jarxiv

要約 自動音声認識では、多様なシナリオに取り組むためにサブサンプリングが不可欠で … 続きを読む →

カテゴリー: cs.CL, eess.AS | HydraFormer: One Encoder For All Subsampling Rates はコメントを受け付けていません

Simulating Articulatory Trajectories with Phonological Feature Interpolation

投稿日: 2024年8月9日 作成者: jarxiv

要約 知覚-生成ループを含む音声学習の完全な計算モデルに向けた最初のステップとし … 続きを読む →

カテゴリー: cs.CL, eess.AS | Simulating Articulatory Trajectories with Phonological Feature Interpolation はコメントを受け付けていません

Articulatory Configurations across Genders and Periods in French Radio and TV archives

投稿日: 2024年8月9日 作成者: jarxiv

要約 この論文では、音響パラメータから調音パラメータへの反転を使用して、性別およ … 続きを読む →

カテゴリー: cs.CL, cs.CY, cs.SD, eess.AS | Articulatory Configurations across Genders and Periods in French Radio and TV archives はコメントを受け付けていません

BAST: Binaural Audio Spectrogram Transformer for Binaural Sound Localization

投稿日: 2024年8月8日 作成者: jarxiv

要約 残響環境における正確な音の定位は、人間の聴覚にとって不可欠です。 最近、畳 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS, I.2 | BAST: Binaural Audio Spectrogram Transformer for Binaural Sound Localization はコメントを受け付けていません

Speech-MASSIVE: A Multilingual Speech Dataset for SLU and Beyond

投稿日: 2024年8月8日 作成者: jarxiv

要約 我々は、MASSIVE テキスト コーパスの一部の音声対応物を構成する多言 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Speech-MASSIVE: A Multilingual Speech Dataset for SLU and Beyond はコメントを受け付けていません

EchoTrack: Auditory Referring Multi-Object Tracking for Autonomous Driving

投稿日: 2024年8月7日 作成者: jarxiv

要約 本稿では、音声表現に基づいてビデオシーケンス内の特定のオブジェクトを動的に … 続きを読む →

カテゴリー: cs.CV, cs.RO, eess.AS, eess.IV | EchoTrack: Auditory Referring Multi-Object Tracking for Autonomous Driving はコメントを受け付けていません

MMTrail: A Multimodal Trailer Video Dataset with Language and Music Descriptions

投稿日: 2024年8月7日 作成者: jarxiv

要約 大規模なマルチモダリティ データセットは、大規模なビデオ言語モデルの成功を … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | MMTrail: A Multimodal Trailer Video Dataset with Language and Music Descriptions はコメントを受け付けていません