-
最近の投稿
- Learning 3D Perception from Others’ Predictions
- Tokenization Falling Short: On Subword Robustness in Large Language Models
- Video Instruction Tuning With Synthetic Data
- StorySparkQA: Expert-Annotated QA Pairs with Real-World Knowledge for Children’s Story-Based Learning
- Justice or Prejudice? Quantifying Biases in LLM-as-a-Judge
-
最近のコメント
表示できるコメントはありません。 cs.AI (27643) cs.CL (20884) cs.CR (2168) cs.CV (34378) cs.LG (32374) cs.RO (15816) cs.SY (2460) eess.IV (4221) eess.SY (2454) stat.ML (4339)
「eess.AS」カテゴリーアーカイブ
Long-form music generation with latent diffusion
要約 オーディオベースの音楽生成モデルは最近大きな進歩を遂げていますが、これまで … 続きを読む
Leveraging Pre-trained AudioLDM for Sound Generation: A Benchmark Study
要約 ディープ ニューラル ネットワークは最近、サウンド生成において画期的な進歩 … 続きを読む
Emotion-Driven Melody Harmonization via Melodic Variation and Functional Representation
要約 感情主導型メロディーハーモナイゼーションは、単一のメロディーに対して多様な … 続きを読む
A Physics-Informed Neural Network-Based Approach for the Spatial Upsampling of Spherical Microphone Arrays
要約 球状マイク アレイは、音場の空間特性を捕捉するのに便利なツールです。 … 続きを読む
Utilizing TTS Synthesized Data for Efficient Development of Keyword Spotting Model
要約 このペーパーでは、開発コストと時間を最小限に抑えながら、KWS (キーワー … 続きを読む
The formation of perceptual space in early phonetic acquisition: a cross-linguistic modeling approach
要約 この研究では、2 つの重要な側面で以前の研究を進めることにより、学習者が初 … 続きを読む
AIR-Bench: Benchmarking Large Audio-Language Models via Generative Comprehension
要約 最近、指示に従う音声言語モデルが、人間と音声のインタラクションとして広く注 … 続きを読む
Multimodal Emotion Recognition using Audio-Video Transformer Fusion with Cross Attention
要約 感情を理解することは、人間のコミュニケーションの基本的な側面です。 オーデ … 続きを読む
LyricWhiz: Robust Multilingual Zero-shot Lyrics Transcription by Whispering to ChatGPT
要約 LyricWhiz は、ロックやメタルなどの難しいジャンルでも、さまざまな … 続きを読む
Innovative Speech-Based Deep Learning Approaches for Parkinson’s Disease Classification: A Systematic Review
要約 パーキンソン病 (PD) は世界で 2 番目に蔓延している神経変性疾患であ … 続きを読む