Bhiksha Raj

Dieser Artikel beschäftigt sich mit den Herausforderungen und Lösungen im Zusammenhang mit lauten Labels in Trainingsdaten.

Eine neue Methode trainiert Audio-Untertitelungssysteme nur mit Textbeschreibungen.

Ein neues Framework verbessert das Lernen aus unvollständigen Datenlabels.

Methoden erkunden, um die Leistung von Robotern in unvorhersehbaren Umgebungen zu verbessern.

Neue Strategien verbessern das Lernen mit schwachen Labels, indem sie relevante negative Beispiele auswählen.

Untersuchen, wie Rauschen in den Vortrainingsdaten die Modellleistung beeinflusst.

PAM bietet eine neuartige Möglichkeit, die Audioqualität zu messen, ohne dass man Referenzaufnahmen braucht.

Ein neuer Benchmark bewertet die Leistung von Sprach­erkennungssystemen unter verschiedenen Störungen.

Untersuchen, wie kleine Fehler in den Trainingsdaten AI-generierte Inhalte verbessern.

Ein neues Framework bewertet die SLAM-Leistung unter schwierigen Bedingungen.

Neue Methoden verbessern Sprachmodelle für Sprachen mit begrenzten Daten.

Neue Methoden verbessern das maschinelle Verständnis menschlicher Emotionen in der Sprache.

Diese Studie bewertet die Denkfähigkeiten von Audio-Sprachmodellen mit einer neuen Aufgabe.

Diese Studie untersucht, wie verschiedene Zusammenfassungsmethoden die Qualität und den Inhalt beeinflussen.

Ein neuer Rahmen verbessert die Genauigkeit der Bestätigung der Sprachidentität.

Neue akustische Merkmale verbessern die Leistung von ASR-Systemen in lauten Umgebungen.

ESPnet-Codec verbessert das Training und die Bewertung von neuronalen Codecs für Audio und Sprache.

MACE verbessert Audio-Beschreibungen, indem es Geräusche mit genauen Textbeschreibungen verknüpft.

Erforsche, wie POGAT die Analyse komplexer Graphstrukturen verbessert.

Entdecke, wie SoftVQ-VAE die Bilderstellung mit Effizienz und Qualität verbessert.