Bhiksha Raj

研究によると、人間の視覚を真似ることで、ディープニューラルネットワークが攻撃に対して強化されることがわかった。

新しいレイヤーがDNNの微妙な入力変化への耐性を強化する。

BASSは長い音声の要約をブロック処理することで改善する。

この記事では、トレーニングデータのノイズの多いラベルに関する課題と解決策を検討してるよ。

新しい方法が音声キャプションシステムをテキストの説明だけでトレーニングするんだ。

新しいフレームワークが不完全なデータラベルからの学習を改善する。

予測できない環境でロボットのパフォーマンスを向上させる方法を探ってる。

新しい戦略は、関連するネガティブ例を選ぶことによって弱ラベル学習を強化する。

事前学習データのノイズがモデルのパフォーマンスにどう影響するかを調べる。

PAMは、参照録音なしで音質を測定する新しい方法を提供してるよ。

新しいベンチマークが、さまざまな妨害の中で音声認識システムの性能を評価する。

トレーニングデータの小さなエラーがAI生成コンテンツをどう向上させるかを調査中。

新しいフレームワークが厳しい条件下でのSLAMの性能を評価する。

新しい方法が、データが少ない言語のスピーチモデルを改善してるよ。

新しい方法で、機械が人間の感情を話し声からもっと理解できるようになったよ。

この研究は、新しいタスクを使って音声言語モデルの推論スキルを評価してるよ。

この研究は、いろんな要約方法が質と内容にどう影響するかを調べてるよ。

新しいフレームワークが声のアイデンティティ確認の精度を向上させる。

新しい音響特徴が騒がしい環境でのASRシステムのパフォーマンスを向上させる。

ESPnet-Codecは、音声やオーディオのニューラルコーデックのトレーニングと評価を強化するよ。

MACEは音を正確なテキスト説明にリンクさせることで音声キャプショニングを改善する。

POGATが複雑なグラフ構造の分析をどうやって向上させるかを探ってみて。

SoftVQ-VAEがどんなふうに画像生成の効率とクオリティをアップさせるかを見てみよう。