「eess.AS」カテゴリーアーカイブ

BigVGAN: A Universal Neural Vocoder with Large-Scale Training

投稿日: 2023年2月17日 作成者: jarxiv

要約 モデルが音響特性に合わせて調整された生の波形を生成する、Generativ … 続きを読む →

カテゴリー: cs.CL, cs.LG, cs.SD, eess.AS | BigVGAN: A Universal Neural Vocoder with Large-Scale Training はコメントを受け付けていません

Speech Enhancement for Virtual Meetings on Cellular Networks

投稿日: 2023年2月17日 作成者: jarxiv

要約 送信された音声にはバックグラウンド ノイズがあり、音声品質に影響を与える伝 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Speech Enhancement for Virtual Meetings on Cellular Networks はコメントを受け付けていません

MAC: A unified framework boosting low resource automatic speech recognition

投稿日: 2023年2月16日 作成者: jarxiv

要約 メタ オーディオ連結 (MAC) と呼ばれる低リソースの自動音声認識タスク … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | MAC: A unified framework boosting low resource automatic speech recognition はコメントを受け付けていません

System Fingerprint Recognition for Deepfake Audio: An Initial Dataset and Investigation

投稿日: 2023年2月16日 作成者: jarxiv

要約 深層音声合成モデルの悪用は、社会に重大な脅威をもたらす可能性があります。 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | System Fingerprint Recognition for Deepfake Audio: An Initial Dataset and Investigation はコメントを受け付けていません

Synthesizing audio from tongue motion during speech using tagged MRI via transformer

投稿日: 2023年2月15日 作成者: jarxiv

要約 タグ付けされた MRI から測定された舌の内部組織点の動きと口腔咽頭筋の変 … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS, eess.IV, eess.SP | Synthesizing audio from tongue motion during speech using tagged MRI via transformer はコメントを受け付けていません

The LuViRA Dataset: Measurement Description

投稿日: 2023年2月13日 作成者: jarxiv

要約 ビジョン、オーディオ、および無線センサーを利用するローカリゼーション アル … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS, eess.SP | The LuViRA Dataset: Measurement Description はコメントを受け付けていません

Revisiting Pre-training in Audio-Visual Learning

投稿日: 2023年2月8日 作成者: jarxiv

要約 事前学習は、様々なタスクでモデルの性能を向上させるために大きな成功を収めて … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Revisiting Pre-training in Audio-Visual Learning はコメントを受け付けていません

AV-NeRF: Learning Neural Fields for Real-World Audio-Visual Scene Synthesis

投稿日: 2023年2月8日 作成者: jarxiv

要約 複雑な世界に対する人間の知覚は、マルチモーダル信号の包括的な分析に依存して … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.SD, eess.AS | AV-NeRF: Learning Neural Fields for Real-World Audio-Visual Scene Synthesis はコメントを受け付けていません

Leveraging Modality-specific Representations for Audio-visual Speech Recognition via Reinforcement Learning

投稿日: 2023年2月3日 作成者: jarxiv

要約 視聴覚音声認識 (AVSR) は、音声認識のノイズ ロバスト性を改善するた … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Leveraging Modality-specific Representations for Audio-visual Speech Recognition via Reinforcement Learning はコメントを受け付けていません

DiffMotion: Speech-Driven Gesture Synthesis Using Denoising Diffusion Model

投稿日: 2023年2月3日 作成者: jarxiv

要約 音声駆動のジェスチャ合成は、仮想人間の作成に対する関心が高まっている分野で … 続きを読む →

カテゴリー: cs.CV, cs.GR, cs.HC, cs.SD, eess.AS, eess.IV | DiffMotion: Speech-Driven Gesture Synthesis Using Denoising Diffusion Model はコメントを受け付けていません