【MuLan】対照学習を利用したMusic-Textのマルチモーダル
【MuLan】対照学習を利用したMusic-Textのマルチモーダル
Contrastive Learning
音声認識
【MusicLM】Googleが開発したText-to-Musicの生成モデル
【MusicLM】Googleが開発したText-to-Musicの生 ...
Transformer
【Make-An-Audio】音声生成のためのプロンプト強化拡散モデル
【Make-An-Audio】音声生成のためのプロンプト強化拡散モデル
Diffusion Model
テキスト・音声・視覚からマルチモーダルに感情を認識: Sonyが提案したM2FNet！
テキスト・音声・視覚からマルチモーダルに感情を認識: Sonyが提案し ...
Emotion Recognition
異なる解像度の特徴をどう結びつけるべきか？：Sonyが提案したD3Net
異なる解像度の特徴をどう結びつけるべきか？：Sonyが提案したD3Ne ...
CVPR
少ない計算リソースで動かすText to Speech手法
少ない計算リソースで動かすText to Speech手法
NAS
音声のみから発話者に似た顔の3Dメッシュが生成できる！？
音声のみから発話者に似た顔の3Dメッシュが生成できる！？
3D
動画の登場人物の顔の動きを任意の感情に合わせて編集する手法が登場！
動画の登場人物の顔の動きを任意の感情に合わせて編集する手法が登場！
CVPR
音声からよりリアルな顔の3Dアニメーションの生成が可能に！
音声からよりリアルな顔の3Dアニメーションの生成が可能に！
3D
スピーチに応じた上半身のジェスチャーを自動で生成するモデル、FreeMoが登場！
スピーチに応じた上半身のジェスチャーを自動で生成するモデル、FreeM ...
Speech Synthesis
爆速・低消費電力で深層学習もグラフ探索も条件付き最適化も行える？！脳型計算機の定量的実力
爆速・低消費電力で深層学習もグラフ探索も条件付き最適化も行える？！脳型 ...
survey
ついに皮肉なセリフを理解し、説明文を生成できるAIが登場！
ついに皮肉なセリフを理解し、説明文を生成できるAIが登場！
natural language processing
モデル軽量化のテクニック！軽量かつ高性能な音声感情認識モデルLightSER-NET！
モデル軽量化のテクニック！軽量かつ高性能な音声感情認識モデルLight ...
音声認識
人間の感情を考慮した新たなジェスチャー生成GAN！
人間の感情を考慮した新たなジェスチャー生成GAN！
GAN（敵対的生成ネットワーク）
【開発者必見】活性化関数の最新包括的レビュー！
【開発者必見】活性化関数の最新包括的レビュー！
survey
超軽量なCNN音声認識モデル！Google開発「ContextNet」を解説！
超軽量なCNN音声認識モデル！Google開発「ContextNet」 ...
音声認識
これが音声認識のSoTA論文だ！ 半教師あり学習の限界を突破したGoogleの研究とは！？
これが音声認識のSoTA論文だ！ 半教師あり学習の限界を突破したGoo ...
音声認識
end-to-endの音声翻訳"NeurST"
end-to-endの音声翻訳"NeurST"
音声認識