「eess.AS」カテゴリーアーカイブ

Position Prediction as an Effective Pretraining Strategy

投稿日: 2022年7月18日 作成者: jarxiv

要約 トランスフォーマーは、その強力な表現能力により、自然言語処理（NLP）、コ … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Position Prediction as an Effective Pretraining Strategy はコメントを受け付けていません

A Single Self-Supervised Model for Many Speech Modalities Enables Zero-Shot Modality Transfer

投稿日: 2022年7月15日 作成者: jarxiv

要約 視聴覚音声モデルは、音声のみのモデルと比較して優れたパフォーマンスと堅牢性 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.SD, eess.AS, eess.IV | A Single Self-Supervised Model for Many Speech Modalities Enables Zero-Shot Modality Transfer はコメントを受け付けていません

Audio-Visual Segmentation

投稿日: 2022年7月12日 作成者: jarxiv

要約 視聴覚セグメンテーション（AVS）と呼ばれる新しい問題を調査することを提案 … 続きを読む →

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

FastLTS: Non-Autoregressive End-to-End Unconstrained Lip-to-Speech Synthesis

投稿日: 2022年7月11日 作成者: jarxiv

要約 制約のない唇から音声への合成は、頭のポーズや語彙に制限がなく、話している顔 … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.MM, cs.SD, eess.AS, I.2.10 | FastLTS: Non-Autoregressive End-to-End Unconstrained Lip-to-Speech Synthesis はコメントを受け付けていません

Self-Supervised Learning of Music-Dance Representation through Explicit-Implicit Rhythm Synchronization

投稿日: 2022年7月8日 作成者: jarxiv

要約 視聴覚表現は多くの下流のタスクに適用可能であることが証明されていますが、よ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | Self-Supervised Learning of Music-Dance Representation through Explicit-Implicit Rhythm Synchronization はコメントを受け付けていません

Finding Fallen Objects Via Asynchronous Audio-Visual Integration

投稿日: 2022年7月8日 作成者: jarxiv

要約 オブジェクトの外観と音の仕方は、その物理的特性を補完的に反映しています。 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.RO, cs.SD, eess.AS | Finding Fallen Objects Via Asynchronous Audio-Visual Integration はコメントを受け付けていません

Expression-preserving face frontalization improves visually assisted speech processing

投稿日: 2022年7月7日 作成者: jarxiv

要約 顔の正面化とは、任意の角度から見た顔から、正面から見た顔を合成することであ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Expression-preserving face frontalization improves visually assisted speech processing はコメントを受け付けていません

VocaLiST: An Audio-Visual Synchronisation Model for Lips and Voices

投稿日: 2022年7月1日 作成者: jarxiv

要約 この論文では、人間の顔と声を含むビデオの唇と声の同期の問題に対処します。 … 続きを読む →

カテゴリー: cs.CV, cs.IR, cs.SD, eess.AS | VocaLiST: An Audio-Visual Synchronisation Model for Lips and Voices はコメントを受け付けていません

Show Me Your Face, And I’ll Tell You How You Speak

投稿日: 2022年6月29日 作成者: jarxiv

要約 私たちが話すとき、韻律とスピーチの内容は私たちの唇の動きから推測することが … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS, eess.IV | Show Me Your Face, And I’ll Tell You How You Speak はコメントを受け付けていません

Incorporating Voice Instructions in Model-Based Reinforcement Learning for Self-Driving Cars

投稿日: 2022年6月22日 作成者: jarxiv

要約 このペーパーでは、自動運転車をトレーニングする際に、自然言語の音声命令をサ … 続きを読む →

カテゴリー: cs.CL, cs.CV, cs.HC, cs.LG, cs.SD, eess.AS | Incorporating Voice Instructions in Model-Based Reinforcement Learning for Self-Driving Cars はコメントを受け付けていません