-
最近の投稿
- FEAST: A Flexible Mealtime-Assistance System Towards In-the-Wild Personalization
- Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion
- Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors
- Mass-Adaptive Admittance Control for Robotic Manipulators
- DreamGen: Unlocking Generalization in Robot Learning through Video World Models
-
最近のコメント
表示できるコメントはありません。 cs.AI (39879) cs.CL (30187) cs.CV (45175) cs.HC (3051) cs.LG (44808) cs.RO (23879) cs.SY (3632) eess.IV (5170) eess.SY (3624) stat.ML (5830)
「eess.AS」カテゴリーアーカイブ
ESPnet-SDS: Unified Toolkit and Demo for Spoken Dialogue Systems
要約 Audio Foundation Models(FMS)の進歩は、エンドツ … 続きを読む
Mellow: a small audio language model for reasoning
要約 マルチモーダルオーディオ言語モデル(ALMS)は、オーディオとテキストの両 … 続きを読む
YuE: Scaling Open Foundation Models for Long-Form Music Generation
要約 LLAMA2アーキテクチャに基づいたオープンファンデーションモデルのファミ … 続きを読む
Video-to-Audio Generation with Hidden Alignment
要約 ビデオ入力に従って意味的および一時的に整列したオーディオコンテンツを生成す … 続きを読む
Building English ASR model with regional language support
要約 この論文では、英語でのパフォーマンスを損なうことなく、ヒンディー語のクエリ … 続きを読む
Score-informed Music Source Separation: Improving Synthetic-to-real Generalization in Classical Music
要約 音楽ソースの分離は、楽器の混合物を構成トラックに分離するタスクです。 音楽 … 続きを読む
Linguistic Knowledge Transfer Learning for Speech Enhancement
要約 言語の知識は、話し言葉の理解において重要な役割を果たします。 騒々しい環境 … 続きを読む
Full-Duplex-Bench: A Benchmark to Evaluate Full-duplex Spoken Dialogue Models on Turn-taking Capabilities
要約 話しかけられた対話モデリングは、テキストベースの言語モデリングを超えた独自 … 続きを読む
Self-Supervised Models for Phoneme Recognition: Applications in Children’s Speech for Reading Learning
要約 子どもの音声認識は、データの不足(特に英語以外の言語)とこのタスクの具体的 … 続きを読む