TTS论文阅读

HarmonyOS之AI能力·语音播报

一、概念语音播报（TexttoSpeech，下文简称TTS），基于华为智慧引擎（HUAWEIHiAIEngine）中的语音播报引擎，向开发者提供人工智能应用层API。
╰つ栺尖篴夢ゞ·2023-11-16 05:37

多视图聚类的论文阅读

当聚类的方式使用的是某一类预定义好的相似性度量时，会出现如下情况：数据聚类方面取得了成功，但它们通常依赖于预定义的相似性度量，而这些度量受原始方法的影响:当输入维数相对较高时，往往是无效的。1.DeepMultinetworkEmbeddedClustering2.Deepconvolutionalself-pacedclustering2.1存在问题与提出的解决方法论文的主要贡献：具体而言，在预
mingqian_chu·2023-11-16 04:30

论文阅读：Discovering New Intents with Deep Aligned Clustering（用深度对齐聚类来发现新意图）

论文链接：代码链接：Abstract在对话系统中发现新意图是一项关键的任务，大多数现有的方法在将先验知识从已知的意图转移到新意图上是有限制的。同样，在对分组未标记的意图方面提供高质量的监督信号去学习clustering-friendly的特征也是有困难的。在这篇论文的工作中，提出了一种有效的方法，DeepAlignedClustering（深度对齐聚类）。发现新的意图是对话系统中的一项关键任务。大
我和同桌正在看论文·2023-11-16 04:59

（论文阅读31/100）Stacked hourglass networks for human pose estimation

31.文献阅读笔记简介题目Stackedhourglassnetworksforhumanposeestimation作者AlejandroNewell,KaiyuYang,andJiaDeng,ECCV,2016.原文链接https://arxiv.org/pdf/1603.06937.pdf关键词HumanPoseEstimation研究问题CNN运用于HumanPoseEstimation，
朽月初二·2023-11-16 03:44

（论文阅读32/100）Flowing convnets for human pose estimation in videos

32.文献阅读笔记简介题目Flowingconvnetsforhumanposeestimationinvideos作者TomasPfister,JamesCharles,andAndrewZisserman,ICCV,2015.原文链接https://arxiv.org/pdf/1506.02897.pdf关键词HumanPoseEstimationinVideos研究问题视频中的人体姿态估计研
朽月初二·2023-11-16 03:44

（论文阅读30/100）Convolutional Pose Machines

30.文献阅读笔记CPMs简介题目ConvolutionalPoseMachines作者Shih-EnWei,VarunRamakrishna,TakeoKanade,andYaserSheikh,CVPR,2016.原文链接https://arxiv.org/pdf/1602.00134.pdf关键词ConvolutionalPoseMachines（CPMs）、articulatedposee
朽月初二·2023-11-16 03:14

LLM（三）| GPT-4 Turbo：OpenAI开发者大会重磅发布

上下文；新的AssistantsAPI使开发人员更容易构建自己的辅助人工智能应用程序，这些应用程序具有目标并可以调用模型和工具；平台新增了多模态功能，包括视觉、图像创建（DALL·E3）和文本到语音（TTS
wshzd·2023-11-16 01:14

ts定义数组的类型

下面我们来看看有哪些定义方法「类型+方括号」表示法：最简单的方法是使用「类型+方括号」来表示数组：lettsArray:number[]=[1,1,2,3,4]数组泛型：也可以使用数组泛型（ArrayGeneric
艺逸&福兜·2023-11-15 18:51

FSOD论文阅读 - 基于卷积和注意力机制的小样本目标检测

来源:知网标题:基于卷积和注意力机制的小样本目标检测作者:郭永红，牛海涛，史超，郭铖郭永红，牛海涛，史超，郭铖．基于卷积和注意力机制的小样本目标检测[J/OL]．兵工学报.https://link.cnki.net/urlid/11.2176.TJ.20231108.1418.002摘要典型的FSOD使用FastR-CNN作为基本的检测框架本文亮点:引入混合扩张卷积确保更大的感受野并减少图像信息的
NXU、辉·2023-11-15 18:18

论文阅读：Self-supervised Video Representation Learning with Cross-Stream Prototypical Contrasting

题目：Self-supervisedVideoRepresentationLearningwithCross-StreamPrototypicalContrasting作者：MartineToering一、研究背景传统的自监督对比学习不适用于视频：实例级的对比学习取得了很大进展，但是由于操作是用于经过增强的实例集上的，所以并不适用于探索视频的丰富动态结构。视频本身提供的数据增强，如：视角变化，光线
二苏旧局吖·2023-11-15 13:47

【76】论文阅读Learning Procedure-aware Video Representation from Instructional Videos and Their Narrations

LearningProcedure-awareVideoRepresentationfromInstructionalVideosandTheirNarrationsCVPR2023互联网上丰富的instructionalvideos及其解说为理解程序性活动提供了令人兴奋的途径。在这项工作中，作者建议学习视频表征，基于网络instructionalvideos及其叙述的大规模数据集，在不使用人工注
WXiujie123456·2023-11-15 10:20

论文阅读 【79】CVPR 2023 How you feelin’? Learning Emotions and Mental States in Movie Scenes

Howyoufeelin’?LearningEmotionsandMentalStatesinMovieScenesCVPR2023任务：电影故事分析需要理解人物的情绪和心理状态。为了实现这一目标，作者将情感理解定义为在电影场景和每个角色的层面上预测多样化和多标签的情感集。本文工作：提出了EmoTx，这是一种基于多模态Transformer的架构，它可以利用视频、多个角色和对话来进行联合预测。通过
WXiujie123456·2023-11-15 10:50

论文阅读 【77】A Ranking-Based Cross-Entropy Loss for Early Classification of Time Series，SCI 一区

ARanking-BasedCross-EntropyLossforEarlyClassificationofTimeSeriesIEEETRANSACTIONSONNEURALNETWORKSANDLEARNINGSYSTEMS，SCI一区Earlyclassificationoftimeseries(ECTS)旨在在观察完整数据之前对时间序列进行分类。它在时间敏感的应用中至关重要，如重症监护病
WXiujie123456·2023-11-15 10:49

通过nginx的upstream配置域名进行http/htts的访问最佳实践方案(406/404问题解决)

一背景最近，开发部门有一个访问需求，被访问方给了我们两个https的域名访问接口，这里假设为:https://aaa.target.com/my_target/login/https://bbb.target.com/my_target/login/这两个域名解析出来的地址和接口信息都是一样的，但是根据要求，需要将两个域名访问接口作为主备的方式进行配置，在https://aaa.target.co
王小那个鑫·2023-11-15 06:13

客户案例：使用点星PBX进行电话自助水费查询TTS语音播报原理

除了上述功能外，点星PBX还支持客户电话呼入，并通过IVR语音导航调用PHP程序查询客户套餐余额或剩余桶装水数量信息，并通过TTS引擎将查询结果转wav语音文件，再播报给来电客户。
点星PBX官方技术·2023-11-15 06:36

论文阅读：Robust High-Resolution Video Matting with Temporal Guidance

发表时间：2021年8月25日项目地址：https://peterl1n.github.io/RobustVideoMatting/论文地址：https://arxiv.org/pdf/2108.11515.pdf我们介绍了一种鲁棒的，实时的，高分辨率的人体视频匹配方法，以实现了新的最先进的性能。我们的方法比以前的方法要轻得多，可以在NvidiaGTX1080TiGPU上以76FPS处理4K和10
万里鹏程转瞬至·2023-11-15 00:02

网易有道上线“易魔声” 开源语音合成引擎 用户可免费下载使用

11月10日，网易有道正式上线“易魔声”开源语音合成（TTS）引擎，所有用户可免费在开源社区GitHub进行下载使用，通过其提供的web界面及批量生成结果的脚本接口，轻松实现音色的情感合成与应用。
CSDN云计算·2023-11-14 23:01

网易有道开源语音合成引擎“易魔声”

概述11月10日，网易有道正式上线“易魔声”开源语音合成（TTS）引擎，所有用户可免费在开源社区GitHub进行下载使用，通过其提供的web界面及批量生成结果的脚本接口，轻松实现音色的情感合成与应用。
xiangzhihong8·2023-11-14 23:00

PP-YOLO论文阅读笔记

PP-YOLO:Aneffectiveandefficientimplementationofobjectdetector期刊:arXivpreprint年份:2020主要内容列举:①:实现一个有效性和效率相对平衡的对象检测器，可以直接应用于实际应用场景;②②:添加了一系列几乎不会增加推断时间的技巧，以提高模型的整体性能;③:PP-YOLO可以在有效性（45.2%mAP)和效率（72.9FPS)之
咕咕咕不咕·2023-11-14 22:50

【论文阅读】GAIN: Missing Data Imputation using Generative Adversarial Nets

论文地址：[1806.02920]GAIN:MissingDataImputationusingGenerativeAdversarialNets(arxiv.org)
轩儿毛肚·2023-11-14 21:51

【论文阅读】MD-GAN: Multi-Discriminator Generative Adversarial Networks for Distributed Datasets

论文地址：[1811.03850]MD-GAN:Multi-DiscriminatorGenerativeAdversarialNetworksforDistributedDatasets(arxiv.org)本文介绍了一种名为MD-GAN的新方法，可以在分布式数据集上训练生成对抗网络（GAN）。文章首先介绍了GAN的背景和构成，然后提出了分布式GAN训练的挑战，即如何在多个工作节点上细粒度地分配
轩儿毛肚·2023-11-14 21:36

【论文阅读】(VAE-GAN)Autoencoding beyond pixels using a learned similarity metric

论文地址;[1512.09300]Autoencodingbeyondpixelsusingalearnedsimilaritymetric(arxiv.org)/一、Introduction主要讲了深度学习中生成模型存在的问题，即常用的相似度度量方式（使用元素误差度量）对于学习良好的生成模型存在一定的障碍，并提出了一种新的方法——使用学习到的相似度度量方式来改善生成模型的性能。同时，该部分还介绍
轩儿毛肚·2023-11-14 21:36

【论文阅读】PC-GAIN: Pseudo-label Conditional Generative Adversarial Imputation Networks for Incomplete Da

论文地址;[2011.07770]PC-GAIN:Pseudo-labelConditionalGenerativeAdversarialImputationNetworksforIncompleteData(arxiv.org)摘要有缺失值的数据集在实际应用程序中非常常见。GAIN是最近提出的用于缺失数据插补的深度生成模型，已被证明优于许多最先进的方法。但GAIN仅使用生成器中的重构损耗来最小化
轩儿毛肚·2023-11-14 21:05

【论文阅读】(CTGAN)Modeling Tabular data using Conditional GAN

论文地址：[1907.00503]ModelingTabulardatausingConditionalGAN(arxiv.org)摘要  对表格数据中行的概率分布进行建模并生成真实的合成数据是一项非常重要的任务，有着许多挑战。本文设计了CTGAN，使用条件生成器解决挑战。为了帮助进行公平和彻底的比较建模这类数据的方法，本文设计了一个基准测试，包括7个模拟数据集和8个真实数据集，以及几个贝叶斯网络
轩儿毛肚·2023-11-14 20:52

YOLOv5改进，论文阅读建议

"EfficientNet:RethinkingModelScalingforConvolutionalNeuralNetworks"，这是一篇在2019年提出的论文，提出了一种新的CNN模型缩放方法，可以根据目标任务的复杂性自适应地缩放网络深度、宽度和分辨率，从而在不增加计算量的情况下提高模型精度。"BagofTricksforImageClassificationwithConvolution
DeepQi·2023-11-14 17:20

【目标跟踪】ECO算法论文阅读：ECO: Efficient Convolution Operators for Tracking

文章目录1.论文概要2.研究背景和动机3.相关滤波用于目标跟踪的原理4.ECO算法流程5.ECO算法创新点5.1特征降维：PCA5.2训练集简化：GMM5.3模型更新策略：间歇更新1.论文概要论文下载地址：ECO:EfficientConvolutionOperatorsforTracking发表时间：CVPR2017作者：MartinDanelljan（瑞典），目标跟踪领域的大牛官方代码：htt
ctrl A_ctrl C_ctrl V·2023-11-14 12:18

网易有道上线“易魔声” 开源语音合成引擎 用户可免费下载使用

网易有道上线“易魔声”开源语音合成引擎用户可免费下载使用刚刚，我们上线了「易魔声」开源语音合成（TTS）引擎！
有道AI情报局·2023-11-14 09:57

2.5k的ChatGPT-Java版SDK升级1.1.2-beta0支持GPT-4V、Dall-e-3模型、ToolCalls、微调Job、TTS...

1、项目简介Chatgpt-Java是OpenAI官方Api的JavaSDK，可以快速接入项目使用。支持OpenAI官方全部接口。目前收获将2500+star。开源地址：https://github.com/Grt1228/chatgpt-java官方文档：https://chatgpt-java.unfbx.com/最新版本：1.1.2-beta0com.unfbxchatgpt-java1.1
程序员的黑洞·2023-11-14 08:07

论文阅读-Practical Secure Aggregation for Privacy-Preserving Machine Learning（谷歌.CCS.2017）

实用的用户隐私机器学习安全聚合的算法1.前置知识门限机制和Shamir秘密共享秘密s通过某种方案被分成n个部分，每个部分被称为份额或者影子，由一个参与者持有，使得：由k个或多于k个参与者所持有的部分可以重构S由少于k个参与者所持有的部分则无法重构S该方案称为（k,n）秘密分割门限方案，k称为门限值shamir于1979年，基于多项式插值算法设计了shamir(t,n)门限共享体制，他的秘密分配算法
md5_NULL·2023-11-14 01:59

Neural Collaborative Filtering 论文阅读和复现

NeuralCollaborativeFiltering论文阅读和复现AbstractMethodsExperimentsandResultsDataset首先是数据理解功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中
Taosolo·2023-11-14 01:47

【MQTT】阿里云MQTT C++ 版本 登录三元组计算获取username、password

全部代码：gitclonehttps://github.com/MisakaMikoto128/MqttSignTool.gitmain.cpp#include#include"aliyunmqttpasswordgenerator.h
喵喵锤锤你小可爱·2023-11-13 23:25

（论文阅读28/100 人体姿态估计）Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

28.文献阅读笔记简介题目RealtimeMulti-Person2DPoseEstimationusingPartAffinityFields作者ZheCao,TomasSimon,Shih-EnWei,andYaserSheikh,CVPR,2017.原文链接arxiv.org/pdf/1611.08050.pdf【人体姿态估计2】Real-timeMulti-person2dposeesti
朽月初二·2023-11-13 19:16

（论文阅读29/100 人体姿态估计）

29.文献阅读笔记简介题目DeepCut:JointSubsetPartitionandLabelingforMultiPersonPoseEstimation作者LeonidPishchulin,EldarInsafutdinov,SiyuTang,BjoernAndres,MykhayloAndriluka,PeterGehler,andBerntSchiele,CVPR,2016.原文链接h
朽月初二·2023-11-13 19:12

简述Android语音播报TTS

如需转载请参考【转载须知】在现代移动应用程序开发中，语音合成技术（TTS）扮演着越来越重要的角色。Android平台提供了丰富的TTSAPI，使开发者能够轻松地将文
码农小北·2023-11-13 17:00

Linux 下 使用 Ekho 进行TTS文本转语音

官网http://www.eguidedog.net/cn/index.phpEkho（余音）是一个免费、开源的中文语音合成软件。支持普通话、粤语。支持Linux、Windows和Android平台。资源：https://download.csdn.net/download/weixin_44618297/88529881参考：linux——ekho7.7.1（最新版）语音合成库的安装与编译中文语
无聊的阿乐·2023-11-13 16:53

（论文阅读26/100）Weakly-supervised learning with convolutional neural networks

26.文献阅读笔记简介题目Weakly-supervisedlearningwithconvolutionalneuralnetworks作者MaximeOquab，LeonBottou，IvanLaptev，JosefSivic，CVPR，2015原文链接http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Oquab_
朽月初二·2023-11-13 14:50

DeCLIP 论文阅读

DeCLIP:supervisionexistseverywhere:adataefficientcontrastivelanguage-imagepre-trainingparadigm贡献：论文是为了充分利用单模态和多模态，充分利用单模态特征用自监督（SIMSAM和MLM），多模态用图像文本对比学习实现；一个图片的文本描述大部分都是集中在局部区域，作者使用RRC得到一个图像的局部区域进行实现；
B1CK·2023-11-13 14:50

FD-Align论文阅读

FD-Align:FeatureDiscriminationAlignmentforFine-tuningPre-TrainedModelsinFew-ShotLearning（NeurIPS2023）主要工作是针对微调的和之前的prompttuining，adapter系列对比Motivation：通过模型对虚假关联性的鲁棒性来解释全微调的CLIP的out-of-distribution(OOD
B1CK·2023-11-13 14:50

（论文阅读25/100）Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

25.文献阅读笔记Multi-DomainNetwork(MDNet)简介题目LearningMulti-DomainConvolutionalNeuralNetworksforVisualTracking作者HyeonseobNamandBohyungHan原文链接https://arxiv.org/pdf/1510.07945.pdf关键词Multi-DomainNetwork(MDNet)研
朽月初二·2023-11-13 14:49

（论文阅读27/100）Deep Filter Banks for Texture Recognition and Segmentation

27.文献阅读笔记简介题目DeepFilterBanksforTextureRecognitionandSegmentation作者MirceaCimpoi,SubhransuMaji,AndreaVedaldi,原文链接http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Cimpoi_Deep_Filter_Banks
朽月初二·2023-11-13 14:08

[论文阅读] CLRerNet: Improving Confidence of Lane Detection with LaneIoU

Abstract车道标记检测是自动驾驶和驾驶辅助系统的重要组成部分。采用基于行的车道表示的现代深度车道检测方法在车道检测基准测试中表现出色。通过初步的Oracle实验，我们首先拆分了车道表示组件，以确定我们方法的方向。我们的研究表明，现有的基于行的检测器已经能预测出正确的车道位置，而准确表示与地面实况相交-不相交（IoU）的置信度分数是最有利的。基于这一发现，我们提出了LaneIoU，通过考虑局部
大龙唉·2023-11-13 10:10

SQL SERVER 分页（1）——利用ROW_NUMBER实现分页

来实现分页的功能，测试数据如下：--测试数据ifnotobject_id(N'T')isnulldroptableTGoCreatetableT([ID]int,[姓名]nvarchar(22))InsertTselect1
二月十六·2023-11-12 22:59

论文阅读：A Multi-Phase Camera-LiDAR Fusion Network for3D Semantic Segmentation With Weak Supervision

来源：IEEETRANSACTIONSONCIRCUITSANDSYSTEMSFORVIDEOTECHNOLOGY,VOL.33,NO.8,AUGUST20230、0、摘要相机和激光雷达是自动驾驶中不可缺少的感知单元，为三维语义分割提供了互补的环境信息。融合两种模式的信息，实现准确、稳健的语义分词，是语义分词的关键。然而，图像特征的可靠性、不同图像特征的贡献以及图像结果与点云之间的权衡将制约基于融
shiyueyueya·2023-11-12 19:48

论文阅读：PVT v2: Improved Baselines with Pyramid Vision Transformer

来源：PVTv1和PVTv2链接：https://arxiv.org/pdf/2102.12122.pdf链接：https://arxiv.org/pdf/2106.13797.pdfPVTv2是在PVTv1基础上，所以先介绍PVTv1PyramidVisionTransformer:AVersatileBackboneforDensePredictionwithoutConvolutions0、
shiyueyueya·2023-11-12 19:11

RetroMAE论文阅读

1.Introduction在NLP常用的预训练模型通常是由token级别的任务进行训练的，如MLM和Seq2Seq，但是密集检索任务更倾向于句子级别的表示，需要捕捉句子的信息和之间的关系，一般主流的策略是自对比学习（self-contrastivelearning）和自动编码(auto-encoding)。self-contrastivelearning的效果会被数据增强的质量所限制，且需要大量
comli_cn·2023-11-12 19:10

android用讯飞实现TTS语音合成 实现中文版

Android系统从1.6版本开始就支持TTS（Text-To-Speech）,即语音合成。但是android系统默认的TTS引擎:PicTTS不支持中文。所以我们得安装自己的TTS引擎和语音包。
清爽的暗之妖刀0369·2023-11-12 18:10

Learning Continuous Exposure Value Representations for Single-Image HDR Reconstruction 论文阅读笔记

这是国立阳明交通大学、联发科和英伟达合作的一篇ICCV2023的HDRReconstruction的论文文章用INR来生成具有连续曝光值的图片，从而能够生成更加多样的LDR图片，而文章发现用更多样的LDR图片训练的网络具有更好的性能，这也是文章的动机。文章说用了INR的思路，其实根本就不是INR，INR的输入是坐标，而这里其实就是把s给repeat成featuremap大小concatenate到
ssf-yasuo·2023-11-12 18:30

Spatially Adaptive Self-Supervised Learning for Real-World Image Denoising 论文阅读笔记

CVPR2023的一篇哈工大发表的真实世界图像去噪的论文，代码开源，nice文章两大要点，一个是BNN一个是LAN。文章的intro中提到，现有的很多方法虽然设计上与噪声的分布无关，但是实际上却只能处理空间独立的噪声。这一部分的介绍很流畅，对现有的一些SSID方法带过的同时，也逐个揭示了其缺点，为后续自己方法的提出进行铺垫。无论是写法上，还是内容上，都可以借鉴，并且其带过的论文，没读过的后续也可以
ssf-yasuo·2023-11-12 18:30

Masked Image Training for Generalizable Deep Image Denoising 论文阅读笔记

CVPR2023港科大（广州）发的一篇denoising的论文，作者里面有上海AILab的董超老师（看introduction的时候看到有一段很像董超老师Networksareslachingoff的论文的思想，说网络overfitting的时候学习了训练集的噪声模式而非图片内容，翻回去作者看，果然有董超老师），文章提出了一种提高现有denoising方法泛化性的方法，动机就是迫使网络学习图像内容
ssf-yasuo·2023-11-12 18:52

BEVFusion4D论文阅读

链接论文：https://arxiv.org/abs/2303.17099Abstract将激光雷达和相机信息聚合到鸟瞰图（BEV）中已成为自动驾驶中三维目标检测的一个重要课题。现有的方法大多采用独立的双分支框架来生成激光雷达和相机BEV，然后进行自适应模态融合。由于点云提供了更准确的定位和几何信息，它们可以作为从图像中获取相关语义信息的可靠空间先验。因此，我们设计了一种激光雷达引导的视图变换器L
西米611·2023-11-12 13:36
上一页 20 21 22 23 24 25 26 27 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他