일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
- 캐나다 TD 예약
- MachineLearning
- iterm2환경설정
- 프라이탁
- EATS
- 캐나다월세
- agnoster폰트깨짐
- 캐나다 TD 한국인 직원 예약
- GenerativeModel
- 콘도렌트
- 캐나다콘도렌트
- Flow
- iterm2꾸미기
- 머신러닝
- agnoster폰트꺠짐
- 터미널꾸미기
- agnoster폰트
- 캐나다 TD 한국인 예약
- 캐나다 TDBAnk
- GAN
- 프라이탁 존버
- 딥러닝
- Docker
- 캐나다 은행 계좌 개설
- Generative model
- DTW
- iterm2자동완성
- 캐나다 은행계좌 개설
- pytorch
- Normalizing flow
- Today
- Total
목록EATS (2)
TechNOTE
EATS 논문을 읽던 중, loss function에 Soft dynamic time warping 이 사용된 것을 확인하였다. Dynamic Time Warping 은 연속적인 시퀀스 를 비교할 때, 유클리디안 거리 보다 더 알맞게 거리 측정을 해주는 좋은 녀석이다. 설명을 해 보도록 하겠다. Dynamic Time Warping A = [2,2,3,4,5] B = [1,2,3,3,4] 다음과 같은 두 sequence 데이터를 비교한다고 생각 해보자. (EATS를 기준으로 생각해 보면.. 사실 offset의 기준에 따라 generator 가 sqeuence를 만들어 내긴 하지만 그 기준이 제대로 학습되지 않았을 때는 시작과 끝이 다를 수도 있을 것이다.) Euclidian distance를 생각해 본다..
딥마인드에서 음성 합성 관련해서 새 논문이 나왔다! 바로 END-TO-END ADVERSARIAL TEXT-TO-SPEECH 인데.. 사실 End to End 라는 말보다 (말의 정의가 너무 애매하다) 1 stage speech synthsis 라고 하는게 더 맞지 않나 싶다. 여튼 이번 뉴립스에는 떨어지고 ICLR 에 다시 낸 것 같다. deepmind.com/research/publications/End-to-End-Adversarial-Text-to-Speech End-to-End Adversarial Text-to-Speech Modern text-to-speech synthesis pipelines typically involve multiple processing stages, each of ..