Erstmalige unüberwachte Erkennung anomaler Geräusche mit unbekannten Anomalien geschätzt durch metadatenunterstützte Audioerzeugung
Die Studie präsentiert eine neue Methode für die Erkennung anomaler Geräusche in unbekannten Maschinentypen durch metadatenunterstützte Audioerzeugung.
ASiT: Lokal-Globales Audio-Spektrogramm-Vision-Transformer für Ereignisklassifikation
ASiT ist ein neuartiges selbstüberwachtes Lernframework, das lokale und globale Kontextinformationen für Audio-Spektrogramme erfasst und die Leistung in verschiedenen Audio- und Sprachklassifikationstasks verbessert.
RFWave: Multi-Band Rectified Flow für die Rekonstruktion von Audio-Wellenformen
RFWave ist ein innovativer Ansatz zur Rekonstruktion hochwertiger Audio-Wellenformen mit hoher Effizienz.
Eine audioqualitätsbasierte Multi-Strategie für die Zielrednerextraktion in der MISP 2023 Challenge
Unsere audioqualitätsbasierte Multi-Strategie für die Zielrednerextraktion in der MISP 2023 Challenge verbessert die Spracherkennungssysteme.
Analyse von Autoregressiven Methoden für Audio Inpainting
Die Bedeutung der Wahl des AR-Modellschätzers und die Eignung der neuen lückenweisen Janssen-Methode.
CrossNet: Komplexe spektrale Zuordnung für Lautsprecherseparation und -verbesserung
CrossNet ist eine innovative neuronale Architektur für die Lautsprecherseparation und -verbesserung in geräuschvollen und halligen Umgebungen.
Die Auswirkung der Regularisierung von Radialfunktionen auf Ambisonics-Netzwerke
Untersuchung der Auswirkungen verschiedener Regularisierungsmethoden auf die Leistung von Ambisonics-Netzwerken.
© 2024 by Linnk AI