BriefGPT.xyz
Ask
alpha
关键词
qformer
搜索结果 - 2
基于音频编解码器的零样本文本到语音合成的改进:多模态背景和大型语言模型
通过将 Qformer 应用于多模态上下文信息,结合预训练的大型语言模型和音频编码器,我们提出了一种适应多种上下文 TTS 场景的全新语音合成模型,通过预测语义令牌和生成声学令牌来提高音频质量和说话人相似性。广泛的客观和主观评估结果表明,我
→
PDF
a month ago
ECCV
四边形注意力视觉 Transformer
该研究提出了一种新颖的四边形注意力(QA)方法,将基于窗口的注意力扩展为一般的四边形公式,并将其整合到平面和分层视觉变换器中,提出了一种新的架构 QFormer,可用于分类、目标检测、语义分割和姿态估计等各种视觉任务,且具有较小的代码修改和
→
PDF
a year ago
Prev
Next