Ruihua Song

新しいフレームワークが画像キャプションの精度を高め、エラーを減らす。

EVAは音声と視覚の信号を組み合わせて、スピーチ認識の精度を向上させるんだ。

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。

新しい方法がキャラクターアニメーションのリアルなインタラクションを強化する。

AV-ASRが音声と映像を組み合わせて、より良い音声認識を実現する方法を学ぼう。