Automated Classification of Phonetic Segments in Child Speech Using Raw Ultrasound Imaging
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Ani, Saja Al, Cleland, Joanne, Zoha, Ahmed |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Exploring Phonetic Context-Aware Lip-Sync For Talking Face Generation
par: Park, Se Jin, et autres
Publié: (2023)
par: Park, Se Jin, et autres
Publié: (2023)
GIRAFE: Glottal Imaging Dataset for Advanced Segmentation, Analysis, and Facilitative Playbacks Evaluation
par: Andrade-Miranda, G., et autres
Publié: (2024)
par: Andrade-Miranda, G., et autres
Publié: (2024)
Enhancing Child Vocalization Classification with Phonetically-Tuned Embeddings for Assisting Autism Diagnosis
par: Li, Jialu, et autres
Publié: (2023)
par: Li, Jialu, et autres
Publié: (2023)
Emotional Vietnamese Speech-Based Depression Diagnosis Using Dynamic Attention Mechanism
par: D., Quang-Anh N., et autres
Publié: (2024)
par: D., Quang-Anh N., et autres
Publié: (2024)
SwinLip: An Efficient Visual Speech Encoder for Lip Reading Using Swin Transformer
par: Park, Young-Hu, et autres
Publié: (2025)
par: Park, Young-Hu, et autres
Publié: (2025)
Learning Semantic Information from Raw Audio Signal Using Both Contextual and Phonetic Representations
par: Kim, Jaeyeon, et autres
Publié: (2024)
par: Kim, Jaeyeon, et autres
Publié: (2024)
ICASSP 2024 Speech Signal Improvement Challenge
par: Ristea, Nicolae Catalin, et autres
Publié: (2024)
par: Ristea, Nicolae Catalin, et autres
Publié: (2024)
SAVE: Segment Audio-Visual Easy way using Segment Anything Model
par: Nguyen, Khanh-Binh, et autres
Publié: (2024)
par: Nguyen, Khanh-Binh, et autres
Publié: (2024)
SCRAPS: Speech Contrastive Representations of Acoustic and Phonetic Spaces
par: Vallés-Pérez, Ivan, et autres
Publié: (2023)
par: Vallés-Pérez, Ivan, et autres
Publié: (2023)
Emotional Face-to-Speech
par: Ye, Jiaxin, et autres
Publié: (2025)
par: Ye, Jiaxin, et autres
Publié: (2025)
Shushing! Let's Imagine an Authentic Speech from the Silent Video
par: Ye, Jiaxin, et autres
Publié: (2025)
par: Ye, Jiaxin, et autres
Publié: (2025)
V2SFlow: Video-to-Speech Generation with Speech Decomposition and Rectified Flow
par: Choi, Jeongsoo, et autres
Publié: (2024)
par: Choi, Jeongsoo, et autres
Publié: (2024)
UniCUE: Unified Recognition and Generation Framework for Chinese Cued Speech Video-to-Speech Generation
par: Wang, Jinting, et autres
Publié: (2025)
par: Wang, Jinting, et autres
Publié: (2025)
Efficient Training for Multilingual Visual Speech Recognition: Pre-training with Discretized Visual Speech Representation
par: Kim, Minsu, et autres
Publié: (2024)
par: Kim, Minsu, et autres
Publié: (2024)
From Faces to Voices: Learning Hierarchical Representations for High-quality Video-to-Speech
par: Kim, Ji-Hoon, et autres
Publié: (2025)
par: Kim, Ji-Hoon, et autres
Publié: (2025)
Improving Bird Classification with Primary Color Additives
par: R, Ezhini Rasendiran, et autres
Publié: (2025)
par: R, Ezhini Rasendiran, et autres
Publié: (2025)
CleanUMamba: A Compact Mamba Network for Speech Denoising using Channel Pruning
par: Groot, Sjoerd, et autres
Publié: (2024)
par: Groot, Sjoerd, et autres
Publié: (2024)
Enhancing CTC-Based Visual Speech Recognition
par: Laux, Hendrik, et autres
Publié: (2024)
par: Laux, Hendrik, et autres
Publié: (2024)
See the Speaker: Crafting High-Resolution Talking Faces from Speech with Prior Guidance and Region Refinement
par: Wang, Jinting, et autres
Publié: (2025)
par: Wang, Jinting, et autres
Publié: (2025)
Seeing Your Speech Style: A Novel Zero-Shot Identity-Disentanglement Face-based Voice Conversion
par: Rong, Yan, et autres
Publié: (2024)
par: Rong, Yan, et autres
Publié: (2024)
Segment Beyond View: Handling Partially Missing Modality for Audio-Visual Semantic Segmentation
par: Wu, Renjie, et autres
Publié: (2023)
par: Wu, Renjie, et autres
Publié: (2023)
Input Conditioned Layer Dropping in Speech Foundation Models
par: Hannan, Abdul, et autres
Publié: (2025)
par: Hannan, Abdul, et autres
Publié: (2025)
Cooperation Does Matter: Exploring Multi-Order Bilateral Relations for Audio-Visual Segmentation
par: Yang, Qi, et autres
Publié: (2023)
par: Yang, Qi, et autres
Publié: (2023)
Seeing Speech and Sound: Distinguishing and Locating Audios in Visual Scenes
par: Ryu, Hyeonggon, et autres
Publié: (2025)
par: Ryu, Hyeonggon, et autres
Publié: (2025)
Spiking Structured State Space Model for Monaural Speech Enhancement
par: Du, Yu, et autres
Publié: (2023)
par: Du, Yu, et autres
Publié: (2023)
End-to-end Audio Deepfake Detection from RAW Waveforms: a RawNet-Based Approach with Cross-Dataset Evaluation
par: Di Pierno, Andrea, et autres
Publié: (2025)
par: Di Pierno, Andrea, et autres
Publié: (2025)
MoME: Mixture of Matryoshka Experts for Audio-Visual Speech Recognition
par: Cappellazzo, Umberto, et autres
Publié: (2025)
par: Cappellazzo, Umberto, et autres
Publié: (2025)
CNVSRC 2024: The Second Chinese Continuous Visual Speech Recognition Challenge
par: Liu, Zehua, et autres
Publié: (2025)
par: Liu, Zehua, et autres
Publié: (2025)
Segmenting Collision Sound Sources in Egocentric Videos
par: Parida, Kranti Kumar, et autres
Publié: (2025)
par: Parida, Kranti Kumar, et autres
Publié: (2025)
mWhisper-Flamingo for Multilingual Audio-Visual Noise-Robust Speech Recognition
par: Rouditchenko, Andrew, et autres
Publié: (2025)
par: Rouditchenko, Andrew, et autres
Publié: (2025)
Omni-AVSR: Towards Unified Multimodal Speech Recognition with Large Language Models
par: Cappellazzo, Umberto, et autres
Publié: (2025)
par: Cappellazzo, Umberto, et autres
Publié: (2025)
Mitigating Attention Sinks and Massive Activations in Audio-Visual Speech Recognition with LLMs
par: Anand, et autres
Publié: (2025)
par: Anand, et autres
Publié: (2025)
Computation and Parameter Efficient Multi-Modal Fusion Transformer for Cued Speech Recognition
par: Liu, Lei, et autres
Publié: (2024)
par: Liu, Lei, et autres
Publié: (2024)
Improving Acoustic Scene Classification with City Features
par: Cai, Yiqiang, et autres
Publié: (2025)
par: Cai, Yiqiang, et autres
Publié: (2025)
Bootstrapping Audio-Visual Segmentation by Strengthening Audio Cues
par: Chen, Tianxiang, et autres
Publié: (2024)
par: Chen, Tianxiang, et autres
Publié: (2024)
RTFS-Net: Recurrent Time-Frequency Modelling for Efficient Audio-Visual Speech Separation
par: Pegg, Samuel, et autres
Publié: (2023)
par: Pegg, Samuel, et autres
Publié: (2023)
Whisper-Flamingo: Integrating Visual Features into Whisper for Audio-Visual Speech Recognition and Translation
par: Rouditchenko, Andrew, et autres
Publié: (2024)
par: Rouditchenko, Andrew, et autres
Publié: (2024)
RESOUND: Speech Reconstruction from Silent Videos via Acoustic-Semantic Decomposed Modeling
par: Pham, Long-Khanh, et autres
Publié: (2025)
par: Pham, Long-Khanh, et autres
Publié: (2025)
Automated Bioacoustic Monitoring for South African Bird Species on Unlabeled Data
par: Doell, Michael, et autres
Publié: (2024)
par: Doell, Michael, et autres
Publié: (2024)
Music Genre Classification using Large Language Models
par: Meguenani, Mohamed El Amine, et autres
Publié: (2024)
par: Meguenani, Mohamed El Amine, et autres
Publié: (2024)
Documents similaires
-
Exploring Phonetic Context-Aware Lip-Sync For Talking Face Generation
par: Park, Se Jin, et autres
Publié: (2023) -
GIRAFE: Glottal Imaging Dataset for Advanced Segmentation, Analysis, and Facilitative Playbacks Evaluation
par: Andrade-Miranda, G., et autres
Publié: (2024) -
Enhancing Child Vocalization Classification with Phonetically-Tuned Embeddings for Assisting Autism Diagnosis
par: Li, Jialu, et autres
Publié: (2023) -
Emotional Vietnamese Speech-Based Depression Diagnosis Using Dynamic Attention Mechanism
par: D., Quang-Anh N., et autres
Publié: (2024) -
SwinLip: An Efficient Visual Speech Encoder for Lip Reading Using Swin Transformer
par: Park, Young-Hu, et autres
Publié: (2025)