Bhiksha Raj

Un nuovo strato migliora la resistenza delle DNN a cambiamenti sottili negli input.

BASS migliora il riassunto di audio lunghi trattando in blocchi.

Questo articolo esamina le sfide e le soluzioni legate alle etichette rumorose nei dati di addestramento.

Un nuovo metodo allena sistemi di didascalia audio usando solo descrizioni testuali.

Un nuovo framework migliora l'apprendimento da etichette di dati incomplete.

Esplorando metodi per migliorare le performance dei robot in ambienti imprevedibili.

Nuove strategie migliorano l'apprendimento con etichette deboli selezionando esempi negativi rilevanti.

Esaminando come il rumore nei dati di pre-addestramento influisce sulle prestazioni del modello.

PAM offre un modo nuovo per misurare la qualità audio senza bisogno di registrazioni di riferimento.

Un nuovo benchmark valuta le prestazioni dei sistemi di riconoscimento vocale in mezzo a vari disturbi.

Investigando come piccoli errori nei dati di addestramento migliorano i contenuti generati dall'IA.

Un nuovo framework valuta le prestazioni del SLAM in condizioni difficili.

Nuovi metodi migliorano i modelli vocali per le lingue con pochi dati.

Nuovi metodi migliorano la comprensione delle emozioni umane nel linguaggio da parte delle macchine.

Questo studio valuta le capacità di ragionamento dei modelli audio-linguistici con un nuovo compito.

Questo studio esamina come diversi metodi di sintesi influenzano qualità e contenuto.

Un nuovo framework migliora l'accuratezza della conferma dell'identità vocale.

Nuove caratteristiche acustiche migliorano le prestazioni dei sistemi ASR in ambienti rumorosi.

ESPnet-Codec migliora l'addestramento e la valutazione dei codec neurali per audio e parlato.

MACE migliora la didascalia audio collegando i suoni a descrizioni testuali accurate.

Esplora come POGAT migliora l'analisi delle strutture grafiche complesse.

Scopri come SoftVQ-VAE migliora la creazione di immagini con efficienza e qualità.