「eess.AS」カテゴリーアーカイブ

MAT-SED: AMasked Audio Transformer with Masked-Reconstruction Based Pre-training for Sound Event Detection

投稿日: 2024年8月19日 作成者: jarxiv

要約 大規模な事前トレーニング済み Transformer エンコーダ ネットワ … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | MAT-SED: AMasked Audio Transformer with Masked-Reconstruction Based Pre-training for Sound Event Detection はコメントを受け付けていません

ASVspoof 5: Crowdsourced Speech Data, Deepfakes, and Adversarial Attacks at Scale

投稿日: 2024年8月19日 作成者: jarxiv

要約 ASVspoof 5 は、音声スプーフィングとディープフェイク攻撃の研究、 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | ASVspoof 5: Crowdsourced Speech Data, Deepfakes, and Adversarial Attacks at Scale はコメントを受け付けていません

Multimodal Emotion Recognition using Audio-Video Transformer Fusion with Cross Attention

投稿日: 2024年8月16日 作成者: jarxiv

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 →

カテゴリー: cs.CL, cs.CV, cs.LG, cs.MM, cs.SD, eess.AS, F.2.2 | Multimodal Emotion Recognition using Audio-Video Transformer Fusion with Cross Attention はコメントを受け付けていません

Enhancing Large Language Model-based Speech Recognition by Contextualization for Rare and Ambiguous Words

投稿日: 2024年8月16日 作成者: jarxiv

要約 私たちは、テキスト プロンプトで事前情報としてキーワードを提供することで文 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Enhancing Large Language Model-based Speech Recognition by Contextualization for Rare and Ambiguous Words はコメントを受け付けていません

A Multi-Stream Fusion Approach with One-Class Learning for Audio-Visual Deepfake Detection

投稿日: 2024年8月16日 作成者: jarxiv

要約 この論文では、堅牢なオーディオビジュアルディープフェイク検出モデルを開発す … 続きを読む →

カテゴリー: cs.AI, cs.MM, cs.SD, eess.AS | A Multi-Stream Fusion Approach with One-Class Learning for Audio-Visual Deepfake Detection はコメントを受け付けていません

Optimising MFCC parameters for the automatic detection of respiratory diseases

投稿日: 2024年8月15日 作成者: jarxiv

要約 気道から発信される音声信号は、呼吸器疾患の診断と評価のための貴重な音響バイ … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Optimising MFCC parameters for the automatic detection of respiratory diseases はコメントを受け付けていません

Spoken Stereoset: On Evaluating Social Bias Toward Speaker in Speech Large Language Models

投稿日: 2024年8月15日 作成者: jarxiv

要約 警告: この文書には不快な内容のテキストが含まれている可能性があります。 … 続きを読む →

カテゴリー: cs.CL, eess.AS | Spoken Stereoset: On Evaluating Social Bias Toward Speaker in Speech Large Language Models はコメントを受け付けていません

WavLLM: Towards Robust and Adaptive Speech Large Language Model

投稿日: 2024年8月15日 作成者: jarxiv

要約 大規模言語モデル (LLM) の最近の進歩は、自然言語処理の分野に革命をも … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.SD, eess.AS | WavLLM: Towards Robust and Adaptive Speech Large Language Model はコメントを受け付けていません

PeriodWave: Multi-Period Flow Matching for High-Fidelity Waveform Generation

投稿日: 2024年8月15日 作成者: jarxiv

要約 最近、さまざまな配布外シナリオを条件としたユニバーサル波形生成タスクが研究 … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS, eess.SP | PeriodWave: Multi-Period Flow Matching for High-Fidelity Waveform Generation はコメントを受け付けていません

Robust online reconstruction of continuous-time signals from a lean spike train ensemble code

投稿日: 2024年8月15日 作成者: jarxiv

要約 動物の感覚刺激はニューロンによってスパイク列に符号化され、スパース性、エネ … 続きを読む →

カテゴリー: cs.AI, cs.NE, cs.SD, eess.AS | Robust online reconstruction of continuous-time signals from a lean spike train ensemble code はコメントを受け付けていません