「eess.AS」カテゴリーアーカイブ

Rethinking Audio-visual Synchronization for Active Speaker Detection

投稿日: 2022年6月22日 作成者: jarxiv

要約 アクティブスピーカー検出（ASD）システムは、マルチトーカーの会話を分析す … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD, eess.AS | Rethinking Audio-visual Synchronization for Active Speaker Detection はコメントを受け付けていません

SoundSpaces 2.0: A Simulation Platform for Visual-Acoustic Learning

投稿日: 2022年6月17日 作成者: jarxiv

要約 3D環境向けのオンザフライのジオメトリベースのオーディオレンダリング用のプ … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | SoundSpaces 2.0: A Simulation Platform for Visual-Acoustic Learning はコメントを受け付けていません

VisageSynTalk: Unseen Speaker Video-to-Speech Synthesis via Speech-Visage Feature Selection

投稿日: 2022年6月16日 作成者: jarxiv

要約 この作品の目標は、静かに話す顔のビデオからスピーチを再構築することです。 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | VisageSynTalk: Unseen Speaker Video-to-Speech Synthesis via Speech-Visage Feature Selection はコメントを受け付けていません

AVATAR: Unconstrained Audiovisual Speech Recognition

投稿日: 2022年6月16日 作成者: jarxiv

要約 視聴覚自動音声認識（AV-ASR）は、ASRの拡張機能であり、多くの場合、 … 続きを読む →

カテゴリー: cs.CV, cs.MM, cs.SD, eess.AS | AVATAR: Unconstrained Audiovisual Speech Recognition はコメントを受け付けていません

General-purpose, long-context autoregressive modeling with Perceiver AR

投稿日: 2022年6月15日 作成者: jarxiv

要約 実世界のデータは高次元です。本、画像、または音楽のパフォーマンスには、圧縮 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.SD, eess.AS | General-purpose, long-context autoregressive modeling with Perceiver AR はコメントを受け付けていません

Learning Speaker-specific Lip-to-Speech Generation

投稿日: 2022年6月12日 作成者: jarxiv

要約 唇の動きを理解し、それからスピーチを推測することは、一般の人にとって悪名高 … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Learning Speaker-specific Lip-to-Speech Generation はコメントを受け付けていません

M2FNet: Multi-modal Fusion Network for Emotion Recognition in Conversation

投稿日: 2022年6月12日 作成者: jarxiv

要約 会話における感情認識（ERC）は、交感神経の人間と機械の相互作用を発達させ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | M2FNet: Multi-modal Fusion Network for Emotion Recognition in Conversation はコメントを受け付けていません

Canonical Cortical Graph Neural Networks and its Application for Speech Enhancement in Future Audio-Visual Hearing Aids

投稿日: 2022年6月12日 作成者: jarxiv

要約 近年の機械学習アルゴリズムの成功にもかかわらず、これらのモデルの多くは、マ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Canonical Cortical Graph Neural Networks and its Application for Speech Enhancement in Future Audio-Visual Hearing Aids はコメントを受け付けていません

FedNST: Federated Noisy Student Training for Automatic Speech Recognition

投稿日: 2022年6月12日 作成者: jarxiv

要約 Federated Learning (FL) は、分散システムにおいて、 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CV, cs.DC, cs.LG, eess.AS, I.2.11 | FedNST: Federated Noisy Student Training for Automatic Speech Recognition はコメントを受け付けていません

Few-Shot Audio-Visual Learning of Environment Acoustics

投稿日: 2022年6月12日 作成者: jarxiv

要約 ルームインパルス応答（RIR）関数は、周囲の物理環境がリスナーに聞こえる音 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.SD, eess.AS | Few-Shot Audio-Visual Learning of Environment Acoustics はコメントを受け付けていません