-
最近の投稿
- Open-Vocabulary Action Localization with Iterative Visual Prompting
- Patterned Structure Muscle : Arbitrary Shaped Wire-driven Artificial Muscle Utilizing Anisotropic Flexible Structure for Musculoskeletal Robots
- The Power of Input: Benchmarking Zero-Shot Sim-To-Real Transfer of Reinforcement Learning Control Policies for Quadrotor Control
- PokeFlex: A Real-World Dataset of Deformable Objects for Robotics
- Toward a Better Understanding of Robot Energy Consumption in Agroecological Applications
-
最近のコメント
表示できるコメントはありません。 cs.AI (27918) cs.CL (21095) cs.CR (2183) cs.CV (34618) cs.LG (32650) cs.RO (16022) cs.SY (2484) eess.IV (4238) eess.SY (2478) stat.ML (4372)
「eess.AS」カテゴリーアーカイブ
Extending Whisper with prompt tuning to target-speaker ASR
要約 対象話者自動音声認識 (ASR) は、複数の話者の重複した発話から対象話者 … 続きを読む
TOLD: A Novel Two-Stage Overlap-Aware Framework for Speaker Diarization
要約 最近、エンドツーエンドのニューラルダイアライゼーション (EEND) が導 … 続きを読む
Self-supervised Adaptive Pre-training of Multilingual Speech Models for Language and Dialect Identification
要約 事前トレーニングされた Transformer ベースの音声モデルは、自動 … 続きを読む
More than Vanilla Fusion: a Simple, Decoupling-free, Attention Module for Multimodal Fusion Based on Signal Theory
要約 バニラ フュージョン手法は、依然として主流のオーディオビジュアルタスクの大 … 続きを読む
Creating Spoken Dialog Systems in Ultra-Low Resourced Settings
要約 自動音声認識 (ASR) システムは、現在さまざまなアプリケーション、特に … 続きを読む
Deep Imbalanced Learning for Multimodal Emotion Recognition in Conversations
要約 会話におけるマルチモーダル感情認識 (MERC) の主なタスクは、テキスト … 続きを読む
Cooperation Does Matter: Exploring Multi-Order Bilateral Relations for Audio-Visual Segmentation
要約 最近、オーディオビジュアル セグメンテーション (AVS) タスクが導入さ … 続きを読む
Neural Text to Articulate Talk: Deep Text to Audiovisual Speech Synthesis achieving both Auditory and Photo-realism
要約 逐次データのディープラーニングの最近の進歩により、人間が話すリアルなビデオ … 続きを読む
Seamless: Multilingual Expressive and Streaming Speech Translation
要約 現在の大規模な自動音声翻訳システムには、人間と人間の対話と比較して、機械を … 続きを読む
Investigating the Design Space of Diffusion Models for Speech Enhancement
要約 拡散モデルは、画像生成文献において優れたパフォーマンスを示している新しいク … 続きを読む