Multi-agent Auditory Scene Analysis
Fuente:
arXiv
Salvato in:
| Autori principali: | Rascon, Caleb, Gato-Diaz, Luis, García-Alarcón, Eduardo |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Direction of Arrival Correction through Speech Quality Feedback
di: Rascon, Caleb
Pubblicazione: (2024)
di: Rascon, Caleb
Pubblicazione: (2024)
Scattering Transform for Auditory Attention Decoding
di: Pallenberg, René, et al.
Pubblicazione: (2026)
di: Pallenberg, René, et al.
Pubblicazione: (2026)
Auditory Intelligence: Understanding the World Through Sound
di: Nam, Hyeonuk
Pubblicazione: (2025)
di: Nam, Hyeonuk
Pubblicazione: (2025)
Moravec's Paradox: Towards an Auditory Turing Test
di: Noever, David, et al.
Pubblicazione: (2025)
di: Noever, David, et al.
Pubblicazione: (2025)
PlumberNet: Fixing interference leakage after GEV beamforming
di: Grondin, François, et al.
Pubblicazione: (2023)
di: Grondin, François, et al.
Pubblicazione: (2023)
APG-MOS: Auditory Perception Guided-MOS Predictor for Synthetic Speech
di: Lian, Zhicheng, et al.
Pubblicazione: (2025)
di: Lian, Zhicheng, et al.
Pubblicazione: (2025)
The MUSE Benchmark: Probing Music Perception and Auditory Relational Reasoning in Audio LLMS
di: Carone, Brandon James, et al.
Pubblicazione: (2025)
di: Carone, Brandon James, et al.
Pubblicazione: (2025)
A General Close-loop Predictive Coding Framework for Auditory Working Memory
di: Yuan, Zhongju, et al.
Pubblicazione: (2025)
di: Yuan, Zhongju, et al.
Pubblicazione: (2025)
Scaling Auditory Cognition via Test-Time Compute in Audio Language Models
di: Dang, Ting, et al.
Pubblicazione: (2025)
di: Dang, Ting, et al.
Pubblicazione: (2025)
DeepASA: An Object-Oriented Multi-Purpose Network for Auditory Scene Analysis
di: Lee, Dongheon, et al.
Pubblicazione: (2025)
di: Lee, Dongheon, et al.
Pubblicazione: (2025)
AudioScene: Integrating Object-Event Audio into 3D Scenes
di: Yuan, Shuaihang, et al.
Pubblicazione: (2025)
di: Yuan, Shuaihang, et al.
Pubblicazione: (2025)
SWIM: Short-Window CNN Integrated with Mamba for EEG-Based Auditory Spatial Attention Decoding
di: Zhang, Ziyang, et al.
Pubblicazione: (2024)
di: Zhang, Ziyang, et al.
Pubblicazione: (2024)
Sound Scene Synthesis at the DCASE 2024 Challenge
di: Lagrange, Mathieu, et al.
Pubblicazione: (2025)
di: Lagrange, Mathieu, et al.
Pubblicazione: (2025)
AAD-LLM: Neural Attention-Driven Auditory Scene Understanding
di: Jiang, Xilin, et al.
Pubblicazione: (2025)
di: Jiang, Xilin, et al.
Pubblicazione: (2025)
CoComposer: LLM Multi-agent Collaborative Music Composition
di: Xing, Peiwen, et al.
Pubblicazione: (2025)
di: Xing, Peiwen, et al.
Pubblicazione: (2025)
Deep Space Separable Distillation for Lightweight Acoustic Scene Classification
di: Ye, ShuQi, et al.
Pubblicazione: (2024)
di: Ye, ShuQi, et al.
Pubblicazione: (2024)
Toward a Realistic Encoding Model of Auditory Affective Understanding in the Brain
di: Pan, Guandong, et al.
Pubblicazione: (2025)
di: Pan, Guandong, et al.
Pubblicazione: (2025)
RIR-SF: Room Impulse Response Based Spatial Feature for Target Speech Recognition in Multi-Channel Multi-Speaker Scenarios
di: Shao, Yiwen, et al.
Pubblicazione: (2023)
di: Shao, Yiwen, et al.
Pubblicazione: (2023)
Revival with Voice: Multi-modal Controllable Text-to-Speech Synthesis
di: Kim, Minsu, et al.
Pubblicazione: (2025)
di: Kim, Minsu, et al.
Pubblicazione: (2025)
Advancing Multi-talker ASR Performance with Large Language Models
di: Shi, Mohan, et al.
Pubblicazione: (2024)
di: Shi, Mohan, et al.
Pubblicazione: (2024)
SAKE: Towards Editing Auditory Attribute Knowledge of Large Audio-Language Models
di: Yang, Chih-Kai, et al.
Pubblicazione: (2025)
di: Yang, Chih-Kai, et al.
Pubblicazione: (2025)
DARNet: Dual Attention Refinement Network with Spatiotemporal Construction for Auditory Attention Detection
di: Yan, Sheng, et al.
Pubblicazione: (2024)
di: Yan, Sheng, et al.
Pubblicazione: (2024)
Beyond Discrete Categories: Multi-Task Valence-Arousal Modeling for Pet Vocalization Analysis
di: Huang, Junyao, et al.
Pubblicazione: (2025)
di: Huang, Junyao, et al.
Pubblicazione: (2025)
Enhancing Music Genre Classification through Multi-Algorithm Analysis and User-Friendly Visualization
di: Kamuni, Navin, et al.
Pubblicazione: (2024)
di: Kamuni, Navin, et al.
Pubblicazione: (2024)
Explainable Deep Learning Analysis for Raga Identification in Indian Art Music
di: Singh, Parampreet, et al.
Pubblicazione: (2024)
di: Singh, Parampreet, et al.
Pubblicazione: (2024)
SoundCompass: Navigating Target Sound Extraction With Effective Directional Clue Integration In Complex Acoustic Scenes
di: Choi, Dayun, et al.
Pubblicazione: (2025)
di: Choi, Dayun, et al.
Pubblicazione: (2025)
Thinking in Directivity: Speech Large Language Model for Multi-Talker Directional Speech Recognition
di: Xie, Jiamin, et al.
Pubblicazione: (2025)
di: Xie, Jiamin, et al.
Pubblicazione: (2025)
Dual-branch Graph Domain Adaptation for Cross-scenario Multi-modal Emotion Recognition
di: Shou, Yuntao, et al.
Pubblicazione: (2026)
di: Shou, Yuntao, et al.
Pubblicazione: (2026)
VNet: A GAN-based Multi-Tier Discriminator Network for Speech Synthesis Vocoders
di: Cao, Yubing, et al.
Pubblicazione: (2024)
di: Cao, Yubing, et al.
Pubblicazione: (2024)
A Multi-modal Approach to Dysarthria Detection and Severity Assessment Using Speech and Text Information
di: M, Anuprabha, et al.
Pubblicazione: (2024)
di: M, Anuprabha, et al.
Pubblicazione: (2024)
Layer-aware TDNN: Speaker Recognition Using Multi-Layer Features from Pre-Trained Models
di: Kim, Jin Sob, et al.
Pubblicazione: (2024)
di: Kim, Jin Sob, et al.
Pubblicazione: (2024)
Evaluating the Effectiveness of Pre-Trained Audio Embeddings for Classification of Parkinson's Disease Speech Data
di: Postma, Emmy, et al.
Pubblicazione: (2025)
di: Postma, Emmy, et al.
Pubblicazione: (2025)
Leveraging Spatial Cues from Cochlear Implant Microphones to Efficiently Enhance Speech Separation in Real-World Listening Scenes
di: Olalere, Feyisayo, et al.
Pubblicazione: (2025)
di: Olalere, Feyisayo, et al.
Pubblicazione: (2025)
BSS-CFFMA: Cross-Domain Feature Fusion and Multi-Attention Speech Enhancement Network based on Self-Supervised Embedding
di: Mattursun, Alimjan, et al.
Pubblicazione: (2024)
di: Mattursun, Alimjan, et al.
Pubblicazione: (2024)
Safe Guard: an LLM-agent for Real-time Voice-based Hate Speech Detection in Social Virtual Reality
di: Xu, Yiwen, et al.
Pubblicazione: (2024)
di: Xu, Yiwen, et al.
Pubblicazione: (2024)
AudioLens: A Closer Look at Auditory Attribute Perception of Large Audio-Language Models
di: Yang, Chih-Kai, et al.
Pubblicazione: (2025)
di: Yang, Chih-Kai, et al.
Pubblicazione: (2025)
Enhancing GOP in CTC-Based Mispronunciation Detection with Phonological Knowledge
di: Parikh, Aditya Kamlesh, et al.
Pubblicazione: (2025)
di: Parikh, Aditya Kamlesh, et al.
Pubblicazione: (2025)
IS${}^3$ : Generic Impulsive--Stationary Sound Separation in Acoustic Scenes using Deep Filtering
di: Berger, Clémentine, et al.
Pubblicazione: (2025)
di: Berger, Clémentine, et al.
Pubblicazione: (2025)
Speaking in Wavelet Domain: A Simple and Efficient Approach to Speed up Speech Diffusion Model
di: Zhang, Xiangyu, et al.
Pubblicazione: (2024)
di: Zhang, Xiangyu, et al.
Pubblicazione: (2024)
MultiVerse: Efficient and Expressive Zero-Shot Multi-Task Text-to-Speech
di: Bak, Taejun, et al.
Pubblicazione: (2024)
di: Bak, Taejun, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Direction of Arrival Correction through Speech Quality Feedback
di: Rascon, Caleb
Pubblicazione: (2024) -
Scattering Transform for Auditory Attention Decoding
di: Pallenberg, René, et al.
Pubblicazione: (2026) -
Auditory Intelligence: Understanding the World Through Sound
di: Nam, Hyeonuk
Pubblicazione: (2025) -
Moravec's Paradox: Towards an Auditory Turing Test
di: Noever, David, et al.
Pubblicazione: (2025) -
PlumberNet: Fixing interference leakage after GEV beamforming
di: Grondin, François, et al.
Pubblicazione: (2023)