「eess.AS」カテゴリーアーカイブ

Where Visual Speech Meets Language: VSP-LLM Framework for Efficient and Context-Aware Visual Speech Processing

投稿日: 2024年5月15日 作成者: jarxiv

要約 視覚的音声処理では、唇の動きの曖昧な性質により、コンテキスト モデリング機 … 続きを読む →

カテゴリー: cs.CL, cs.CV, eess.AS, eess.IV | Where Visual Speech Meets Language: VSP-LLM Framework for Efficient and Context-Aware Visual Speech Processing はコメントを受け付けていません

SpeechVerse: A Large-scale Generalizable Audio Language Model

投稿日: 2024年5月15日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、自然言語命令の意味的理解を必要とするタス … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SpeechVerse: A Large-scale Generalizable Audio Language Model はコメントを受け付けていません

SpeechGuard: Exploring the Adversarial Robustness of Multimodal Large Language Models

投稿日: 2024年5月15日 作成者: jarxiv

要約 音声指示に従い、関連するテキスト応答を生成できる統合音声モデルおよび大規模 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | SpeechGuard: Exploring the Adversarial Robustness of Multimodal Large Language Models はコメントを受け付けていません

Investigating Design Choices in Joint-Embedding Predictive Architectures for General Audio Representation Learning

投稿日: 2024年5月15日 作成者: jarxiv

要約 この論文は、自己教師ありの汎用音声表現学習の問題に取り組みます。 このタス … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS | Investigating Design Choices in Joint-Embedding Predictive Architectures for General Audio Representation Learning はコメントを受け付けていません

Are Sounds Sound for Phylogenetic Reconstruction?

投稿日: 2024年5月15日 作成者: jarxiv

要約 言語進化に関する伝統的な研究では、学者は言語家系図の系統推論における健全な … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Are Sounds Sound for Phylogenetic Reconstruction? はコメントを受け付けていません

Age-Dependent Analysis and Stochastic Generation of Child-Directed Speech

投稿日: 2024年5月14日 作成者: jarxiv

要約 子ども向けスピーチ (CDS) は、大人が幼い子どもに話しかけるときに使用 … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Age-Dependent Analysis and Stochastic Generation of Child-Directed Speech はコメントを受け付けていません

Are Sounds Sound for Phylogenetic Reconstruction?

投稿日: 2024年5月14日 作成者: jarxiv

要約 言語進化に関する伝統的な研究では、学者は言語家系図の系統推論における健全な … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Are Sounds Sound for Phylogenetic Reconstruction? はコメントを受け付けていません

FastSAG: Towards Fast Non-Autoregressive Singing Accompaniment Generation

投稿日: 2024年5月14日 作成者: jarxiv

要約 入力ボーカルに伴奏する楽器音楽を生成する歌唱伴奏生成 (SAG) は、人間 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.MM, cs.SD, eess.AS | FastSAG: Towards Fast Non-Autoregressive Singing Accompaniment Generation はコメントを受け付けていません

Improving Multimodal Learning with Multi-Loss Gradient Modulation

投稿日: 2024年5月14日 作成者: jarxiv

要約 オーディオやビデオなどの複数のモダリティから学習すると、補完的な情報を活用 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Improving Multimodal Learning with Multi-Loss Gradient Modulation はコメントを受け付けていません

Look Once to Hear: Target Speech Hearing with Noisy Examples

投稿日: 2024年5月14日 作成者: jarxiv

要約 混雑した環境では、人間の脳は、音声がどのように聞こえるかについて事前に知識 … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Look Once to Hear: Target Speech Hearing with Noisy Examples はコメントを受け付けていません