Zobrazeno 1 - 10
of 30
pro vyhledávání: '"Tachibana, Hideyuki"'
Prior work on multilingual sentence embedding has demonstrated that the efficient use of natural language inference (NLI) data to build high-performance models can outperform conventional methods. However, the potential benefits from the recent ``exp
Externí odkaz:
http://arxiv.org/abs/2403.17528
Autor:
Go, Mocho, Tachibana, Hideyuki
Publikováno v:
Proc. ICASSP (2023)
Following the success in language domain, the self-attention mechanism (transformer) is adopted in the vision domain and achieving great success recently. Additionally, as another stream, multi-layer perceptron (MLP) is also explored in the vision do
Externí odkaz:
http://arxiv.org/abs/2208.11718
Diffusion generative models have emerged as a new challenger to popular deep neural generative models such as GANs, but have the drawback that they often require a huge number of neural function evaluations (NFEs) during synthesis unless some sophist
Externí odkaz:
http://arxiv.org/abs/2112.13339
Autor:
Tachibana, Hideyuki
Publikováno v:
Proc. ICASSP (2021)
In neural network-based monaural speech separation techniques, it has been recently common to evaluate the loss using the permutation invariant training (PIT) loss. However, the ordinary PIT requires to try all $N!$ permutations between $N$ ground tr
Externí odkaz:
http://arxiv.org/abs/2010.11871
Autor:
Tachibana, Hideyuki, Katayama, Yotaro
Publikováno v:
Proc. ICASSP (2020) 8059-8063
In Japanese text-to-speech (TTS), it is necessary to add accent information to the input sentence. However, there are a limited number of publicly available accent dictionaries, and those dictionaries e.g. UniDic, do not contain many compound words,
Externí odkaz:
http://arxiv.org/abs/2009.09679
Autor:
Omata, Yasuhiro1 (AUTHOR), Tachibana, Hideyuki2,3 (AUTHOR), Aizaki, Yoshimi3 (AUTHOR), Mimura, Toshihide3 (AUTHOR), Sato, Kojiro1 (AUTHOR) satok@jichi.ac.jp
Publikováno v:
Scientific Reports. 11/1/2023, Vol. 13 Issue 1, p1-14. 14p.
Publikováno v:
Proc. ICASSP (2018) 4784-4788
This paper describes a novel text-to-speech (TTS) technique based on deep convolutional neural networks (CNN), without use of any recurrent units. Recurrent neural networks (RNN) have become a standard technique to model sequential data recently, and
Externí odkaz:
http://arxiv.org/abs/1710.08969
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.