「eess.AS」カテゴリーアーカイブ

Hearing and Seeing Through CLIP: A Framework for Self-Supervised Sound Source Localization

投稿日: 2025年5月9日 作成者: jarxiv

要約 大規模なビジョン言語モデルは、多様なタスク全体で強力なマルチモーダルアライ … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | Hearing and Seeing Through CLIP: A Framework for Self-Supervised Sound Source Localization はコメントを受け付けていません

Accelerating Audio Research with Robotic Dummy Heads

投稿日: 2025年5月8日 作成者: jarxiv

要約 この作品は、従来のオーディオロジカルマネキンの音響リアリズムとロボットの可 … 続きを読む →

カテゴリー: cs.HC, cs.RO, cs.SD, eess.AS | Accelerating Audio Research with Robotic Dummy Heads はコメントを受け付けていません

LLAMAPIE: Proactive In-Ear Conversation Assistants

投稿日: 2025年5月8日 作成者: jarxiv

要約 Lamapieを紹介します。Llamapieは、Healableデバイスを … 続きを読む →

カテゴリー: cs.CL, cs.LG, eess.AS | LLAMAPIE: Proactive In-Ear Conversation Assistants はコメントを受け付けていません

Miipher-2: A Universal Speech Restoration Model for Million-Hour Scale Data Restoration

投稿日: 2025年5月8日 作成者: jarxiv

要約 トレーニングデータクリーニングは、生成モデルベースの音声修復（SR）の新し … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Miipher-2: A Universal Speech Restoration Model for Million-Hour Scale Data Restoration はコメントを受け付けていません

Recognizing Ornaments in Vocal Indian Art Music with Active Annotation

投稿日: 2025年5月8日 作成者: jarxiv

要約 多くの音楽の伝統にわたるメロディックな表現には、装飾、装飾、または微気変動 … 続きを読む →

カテゴリー: cs.AI, cs.LG, eess.AS | Recognizing Ornaments in Vocal Indian Art Music with Active Annotation はコメントを受け付けていません

Automatic Music Transcription using Convolutional Neural Networks and Constant-Q transform

投稿日: 2025年5月8日 作成者: jarxiv

要約 自動音楽転写（AMT）は、音楽のオーディオ録音を分析し、再生されているメモ … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.MM, cs.SD, eess.AS | Automatic Music Transcription using Convolutional Neural Networks and Constant-Q transform はコメントを受け付けていません

Score Distillation Sampling for Audio: Source Separation, Synthesis, and Beyond

投稿日: 2025年5月8日 作成者: jarxiv

要約 オーディオSDSを紹介します。オーディオSDは、テキストコンディショニング … 続きを読む →

カテゴリー: 68T07, cs.AI, cs.LG, cs.MM, cs.SD, eess.AS, H.5.1 | Score Distillation Sampling for Audio: Source Separation, Synthesis, and Beyond はコメントを受け付けていません

mWhisper-Flamingo for Multilingual Audio-Visual Noise-Robust Speech Recognition

投稿日: 2025年5月8日 作成者: jarxiv

要約 Audio-Visuual Speech Speech Septureat … 続きを読む →

カテゴリー: cs.CV, cs.SD, eess.AS | mWhisper-Flamingo for Multilingual Audio-Visual Noise-Robust Speech Recognition はコメントを受け付けていません

SwinLip: An Efficient Visual Speech Encoder for Lip Reading Using Swin Transformer

投稿日: 2025年5月8日 作成者: jarxiv

要約 このペーパーでは、リップリーディング用の効率的な視覚音声エンコーダーを紹介 … 続きを読む →

カテゴリー: cs.CV, eess.AS | SwinLip: An Efficient Visual Speech Encoder for Lip Reading Using Swin Transformer はコメントを受け付けていません

EchoInk-R1: Exploring Audio-Visual Reasoning in Multimodal LLMs via Reinforcement Learning

投稿日: 2025年5月8日 作成者: jarxiv

要約 マルチモーダル大手言語モデル（MLLM）は、テキスト、ビジョン、オーディオ … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.MM, cs.SD, eess.AS | EchoInk-R1: Exploring Audio-Visual Reasoning in Multimodal LLMs via Reinforcement Learning はコメントを受け付けていません