| 1 |
What Do Cognitive Networks Do? Simulations of Spoken Word Recognition Using the Cognitive Network Science Approach
|
|
|
|
BASE
|
|
Show details
|
|
|
| 2 |
Privacy-Preserving Prediction of Victim's Mortality and Their Need for Transportation to Health Facilities
|
|
|
|
In: IEEE Transactions on Industrial Informatics ; https://hal.archives-ouvertes.fr/hal-03456142 ; IEEE Transactions on Industrial Informatics, 2021, 14 (30), pp.1 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 3 |
How Hermeneutic Spirals may reduce Complexity to Narrative Schemata - expanding on "Complexity and the Userly Text"
|
|
|
|
In: https://hal.archives-ouvertes.fr/hal-03254233 ; 2021 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 4 |
Social influences on consumption choices in university catering: a multi-agent modelling approach using GAMA
|
|
|
|
In: 1st conference GAMA Days 2021 ; https://hal-univ-tlse3.archives-ouvertes.fr/hal-03523652 ; 1st conference GAMA Days 2021, Frédéric Amblard; Kevin Chapuis; Alexis Drogoul; Benoit Gaudou; Dominique Longin; Nicolas Verstaevel, Jun 2021, Toulouse (Online), France ; https://www.irit.fr/GamaDays2021/ (2021)
|
|
BASE
|
|
Show details
|
|
|
| 5 |
Le dictionnaire des francophones, une plateforme lexicographique contributive et sémantique
|
|
|
|
In: Journées Francophones d'Ingénierie des Connaissances (IC) Plate-Forme Intelligence Artificielle (PFIA'21) ; https://hal-emse.ccsd.cnrs.fr/emse-03259997 ; Journées Francophones d'Ingénierie des Connaissances (IC) Plate-Forme Intelligence Artificielle (PFIA'21), Jun 2021, Bordeaux, France. pp 7-10 ; http://pfia2021.fr/ (2021)
|
|
BASE
|
|
Show details
|
|
|
| 6 |
3D lexicon for Human and Social Sciences
|
|
|
|
In: Recommendations of the "Consortium 3D for Humanities" ; https://hal.archives-ouvertes.fr/hal-03187979 ; Recommendations of the "Consortium 3D for Humanities", 2021 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 7 |
Symbolic Model-based Design and Generation of Logical Scenarios for Autonomous Vehicles Validation
|
|
|
|
In: 2021 IEEE Intelligent Vehicles Symposium (IV) ; https://hal.archives-ouvertes.fr/hal-03540190 ; 2021 IEEE Intelligent Vehicles Symposium (IV), Jul 2021, Nagoya, Japan. pp.215-222, ⟨10.1109/IV48863.2021.9575528⟩ (2021)
|
|
BASE
|
|
Show details
|
|
|
| 8 |
Modeling the neural network responsible for song learning ; Modélisation du réseau neuronal responsable de l'apprentissage du chant chez l'oiseau chanteur
|
|
|
|
In: https://tel.archives-ouvertes.fr/tel-03217834 ; Modeling and Simulation. Université de Bordeaux, 2021. English. ⟨NNT : 2021BORD0107⟩ (2021)
|
|
BASE
|
|
Show details
|
|
|
| 9 |
Mapping International Geopolitical Agenda. Continuing National Conceptions of the Emerging European Crisis
|
|
|
|
In: ISSN: 2624-909X ; EISSN: 2624-909X ; Frontiers in Big Data ; https://halshs.archives-ouvertes.fr/halshs-03506950 ; Frontiers in Big Data, Frontiers, 2021, 4, ⟨10.3389/fdata.2021.718809⟩ (2021)
|
|
BASE
|
|
Show details
|
|
|
| 10 |
Overview of LifeCLEF 2021: an evaluation of Machine-Learning based Species Identification and Species Distribution Prediction
|
|
|
|
In: Experimental IR Meets Multilinguality, Multimodality, and Interaction ; https://hal.inria.fr/hal-03415990 ; K. Selçuk Candan; Bogdan Ionescu; Lorraine Goeuriot; Birger Larsen; Henning Müller; Alexis Joly; Maria Maistro; Florina Piroi; Guglielmo Faggioli; Nicola Ferro. Experimental IR Meets Multilinguality, Multimodality, and Interaction, 12880, Springer International Publishing, pp.371-393, 2021, Lecture Notes in Computer Science, ⟨10.1007/978-3-030-85251-1_24⟩ (2021)
|
|
BASE
|
|
Show details
|
|
|
| 11 |
Multimodal Coarticulation Modeling : Towards the animation of an intelligible talking head ; Modélisation de la coarticulation multimodale : vers l'animation d'une tête parlante intelligible
|
|
|
|
In: https://hal.univ-lorraine.fr/tel-03203815 ; Intelligence artificielle [cs.AI]. Université de Lorraine, 2021. Français. ⟨NNT : 2021LORR0019⟩ (2021)
|
|
Abstract:
This thesis deals with neural network based coarticulation modeling, and aims to synchronize facial animation of a 3D talking head with speech. Predicting articulatory movements is not a trivial task, as it is well known that production of a phoneme is greatly affected by its phonetic context, a phoneme called coarticulation. We propose in this work a coarticulation model, i.e. a model able to predict spatial trajectories of articulators from speech. We rely on a sequential model, the recurrent neural networks, and more specifically the Gated Recurrent Units, which are able to consider the articulation dynamic as a central component of its modeling. Unfortunately, the typical amount of data in articulatory and audiovisual databases seems to be quite low for a deep learning approach. To overcome this difficulty, we propose to integrate articulatory knowledge into the networks during its initialization. The RNNs robustness allow uw to apply our coarticulation model to predict both face and tongue movements, in french and german for the face, and in english and german for the tongue. Evaluation has been conducted through objective measures of the trajectories, and through experiments to ensure a complete reach of critical articulatory targets. We also conducted a subjective evaluation to attest the perceptual quality of the predicted articulation once applied to our facial animation system. Finally, we analyzed the model after training to explore phonetic knowledges learned. ; Nous traitons dans cette thèse la modélisation de la coarticulation par les réseaux de neurones, dans l’objectif de synchroniser l’animation d’un visage virtuel 3D à de la parole. La prédiction de ces mouvements articulatoires n’est pas une tâche triviale, en effet, il est bien établi en production de parole que la réalisation d’un phonème est largement influencée par son contexte phonétique, phénomène appelé coarticulation. Nous proposons dans cette thèse un modèle de coarticulation, c’est-à-dire un modèle qui prédit les trajectoires spatiales des articulateurs à partir de la parole. Nous exploiterons pour cela un modèle séquentiel, les réseaux de neurones récurrents (RNN), et plus particulièrement les Gated Recurrent Units, capables de considérer la dynamique de l’articulation au cœur de leur modélisation. Malheureusement, la quantité de données classiquement disponible dans les corpus articulatoires et audiovisuels semblent de prime-abord faibles pour une approche deep learning. Pour pallier cette difficulté, nous proposons une stratégie permettant de fournir au modèle des connaissances sur les gestes articulatoires du locuteur dès son initialisation. La robustesse des RNNs nous a permis d’implémenter notre modèle de coarticulation pour prédire les mouvements des lèvres pour le français et l’allemand, et de la langue pour l’anglais et l’allemand. L’évaluation du modèle fut réalisée par le biais de mesures objectives de la qualité des trajectoires et par des expériences permettant de valider la bonne réalisation des cibles articulatoires critiques. Nous avons également réalisé une évaluation perceptive de la qualité de l’animation des lèvres du visage parlant. Enfin, nous avons conduit une analyse permettant d’explorer les connaissances phonétiques acquises par le modèle après apprentissage.
|
|
Keyword:
[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]; [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG]; [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation; [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE]; [SHS.INFO]Humanities and Social Sciences/Library and information sciences; [STAT.ML]Statistics [stat]/Machine Learning [stat.ML]; Apprentissage profond; Coarticulation; Deep learning; Recurrent neural networks; Réseaux de neurones récurrents
|
|
URL: https://hal.univ-lorraine.fr/tel-03203815/file/DDOC_T_2021_0019_BIASUTTO_LERVAT.pdf
https://hal.univ-lorraine.fr/tel-03203815
https://hal.univ-lorraine.fr/tel-03203815/document
|
|
BASE
|
|
Hide details
|
|
|
| 12 |
Automating user-feedback driven requirements prioritization
|
|
|
|
In: ISSN: 0950-5849 ; EISSN: 1873-6025 ; Information and Software Technology ; https://hal.archives-ouvertes.fr/hal-03277970 ; Information and Software Technology, Elsevier, 2021, 138, pp.106635:1-106635:16. ⟨10.1016/j.infsof.2021.106635⟩ (2021)
|
|
BASE
|
|
Show details
|
|
|
| 13 |
Expanding the content model of annotationBlock
|
|
|
|
In: Next Gen TEI, 2021 - TEI Conference and Members’ Meeting ; https://hal.archives-ouvertes.fr/hal-03380805 ; Next Gen TEI, 2021 - TEI Conference and Members’ Meeting, Oct 2021, Virtual, United States (2021)
|
|
BASE
|
|
Show details
|
|
|
| 14 |
The 15th International Symposium on Computer Music Multidisciplinary Research ; The 15th International Symposium on Computer Music Multidisciplinary Research: Music in the AI Era
|
|
|
|
In: Computer Music Multidisciplinary Research - CMMR2021 ; https://hal.archives-ouvertes.fr/hal-03573804 ; T. Kitahara, M. Aramaki, R. Kronland-Martinet, S. Ystad. Computer Music Multidisciplinary Research - CMMR2021, Nov 2021, Tokyo, Japan. pp.320, 2021, 15th International Symposium on Computer Music Multidisciplinary Research, 979-10-97-498-02-3 (2021)
|
|
BASE
|
|
Show details
|
|
|
| 15 |
Taxes and a Country's Location Attractiveness for Start-ups - General Binomial Model ...
|
|
|
|
BASE
|
|
Show details
|
|
|
| 16 |
Taxes and a Country's Location Attractiveness for Start-ups - General Binomial Model ...
|
|
|
|
BASE
|
|
Show details
|
|
|
| 17 |
Taxes and a Country's Location Attractiveness for Start-ups - General Binomial Model ...
|
|
|
|
BASE
|
|
Show details
|
|
|
| 18 |
Supplementary material from "Can Bayesian phylogeography reconstruct migrations and expansions in linguistic evolution?" ...
|
|
|
|
BASE
|
|
Show details
|
|
|
|
|
