丹尼尔·斯托勒
人员信息
其他同名人员
优化列表
![笔记](https://dblp.uni-trier.de/img/note-mark.dark.12x12.png)
2020年–今天
2023 [第14条] 西蒙·杜兰德 , 丹尼尔·斯托勒 , 塞巴斯蒂安·尤尔特 :
基于对比学习的多种语言的音频到歌词对齐。 ICASSP公司 2023 : 1-5 [i11] 西蒙·杜兰德 , 丹尼尔·斯托勒 , 塞巴斯蒂安·尤尔特 :
多种语言的基于对比学习的音频到歌词对齐。 CoRR公司 abs/2306.07744 ( 2023 ) [i10] 乔什·加德纳 , 西蒙·杜兰德 , 丹尼尔·斯托勒 , 瑞秋·M·比特纳 :
LLark:音乐的多模式基础模型。 CoRR公司 腹肌/2310.07160 ( 2023 ) 2022 [c13] Yu Wang(王宇) , 丹尼尔·斯托勒 , 瑞秋·M·比特纳 , 胡安·巴勃罗·贝洛 :
少量音乐源分离。 ICASSP公司 2022 : 121-125 [第九章] Yu Wang(王宇) , 丹尼尔·斯托勒 , 瑞秋·M·比特纳 , 胡安·巴勃罗·贝洛 :
少量音乐源分离。 CoRR公司 abs/2205.01273 ( 2022 ) 2020 【b1】 丹尼尔·斯托勒 :
在有限的数据场景中进行音乐信息检索的深度学习。 英国伦敦玛丽女王大学, 2020 [第12条] 丹尼尔·斯托勒 , 塞巴斯蒂安·尤尔特 , 西蒙·狄克逊 :
使用因子化判别器从不完全观测训练生成对手网络。 ICLR公司 2020 [第11条] 丹尼尔·斯托勒 , 米田 , 塞巴斯蒂安·尤尔特 , 西蒙·狄克逊 :
Seq-U-Net:一种用于有效序列建模的一维因果U-Net。 国际JCAI 2020 : 2893-2900
2010 – 2019
2019 [第10条] 伊戈尔·瓦托尔金 , 丹尼尔·斯托勒 :
进化多目标训练集选择数据实例和增强用于人声检测。 埃沃穆萨特 2019 : 201-216 【c9】 丹尼尔·斯托勒 , 西蒙·杜兰德 , 塞巴斯蒂安·尤尔特 :
使用音频到字符识别模型的合成音音乐的端到端歌词对齐。 ICASSP公司 2019 : 181-185 【c8】 布桑·切特里 , 丹尼尔·斯托勒 , 维罗妮卡·莫菲 , 马可·马丁内斯·拉米雷斯 , 埃马努伊尔·贝内托斯 , 鲍勃·斯图尔姆 :
自动说话人验证中欺骗检测的集成模型。 棘突间 2019 : 1018-1022 【c7】 阿德里安·伊卡特 , 丹尼尔·斯托勒 , 埃马努伊尔·贝内托斯 :
复调音乐序列转导神经模型的比较研究。 ISMIR公司 2019 : 470-477 [i8] 丹尼尔·斯托勒 , 西蒙·杜兰德 , 塞巴斯蒂安·尤尔特 :
使用音频到字符识别模型的复调音乐的端到端民歌对齐。 CoRR公司 abs/1902.06797 ( 2019 ) [i7] 布桑·切特里 , 丹尼尔·斯托勒 , 维罗妮卡·莫菲 , 马可·马丁内斯·拉米雷斯 , 埃马努伊尔·贝内托斯 , 鲍勃·斯图尔姆 :
自动说话人验证中欺骗检测的集成模型。 CoRR公司 abs/1904.04589 ( 2019 ) [i6] 索米特拉·米什拉 , 丹尼尔·斯托勒 , 埃马努伊尔·贝内托斯 , 鲍勃·斯图尔姆 , 西蒙·狄克逊 :
基于GAN的神经网络解释的生成与自动选择。 CoRR公司 abs/1904.09533 ( 2019 ) [i5] 丹尼尔·斯托勒 , 塞巴斯蒂安·尤尔特 , 西蒙·狄克逊 :
使用因子化鉴别器从不完全观测中训练生成对抗性网络。 CoRR公司 abs/1905.12660 ( 2019 ) [i4] 丹尼尔·斯托勒 , 密田 , 塞巴斯蒂安·尤尔特 , 西蒙·狄克逊 :
Seq-U-Net:用于高效序列建模的一维因果U-Net。 CoRR公司 abs/1911.06393 ( 2019 ) 2018 【c6】 丹尼尔·斯托勒 , 塞巴斯蒂安·尤尔特 , 西蒙·狄克逊 :
联合检测和分离歌唱声音:一种多任务方法。 LVA/ICA 2018 : 329-339 【c5】 丹尼尔·斯托勒 , 塞巴斯蒂安·尤尔特 , 西蒙·狄克逊 :
对抗式半监督声源分离在歌唱声音提取中的应用。 ICASSP公司 2018 : 2391-2395 【c4】 丹尼尔·斯托勒 , 塞巴斯蒂安·尤尔特 , 西蒙·狄克逊 :
Wave-U-Net:用于端到端音频源分离的多尺度神经网络。 ISMIR公司 2018 : 334-340 【c3】 丹尼尔·斯托勒 , 文森特·阿克曼 , 西蒙·狄克逊 :
自动音乐重排的切入点检测。 MLSP公司 2018 : 1-6 [i3] 丹尼尔·斯托勒 , 塞巴斯蒂安·尤尔特 , 西蒙·狄克逊 :
联合检测和分离歌唱声音:一种多任务方法。 CoRR公司 abs/1804.01650 ( 2018 ) [i2] 丹尼尔·斯托勒 , 塞巴斯蒂安·尤尔特 , 西蒙·狄克逊 :
Wave-U-Net:一种用于端到端音频源分离的多尺度神经网络。 CoRR公司 abs/1806.03185 ( 2018 ) 2017 [i1] 丹尼尔·斯托勒 , 塞巴斯蒂安·尤尔特 , 西蒙·狄克逊 :
对峙半监督声源分离在歌唱声音提取中的应用。 CoRR公司 abs/1711.00048 ( 2017 ) 2016 【c2】 丹尼尔·斯托勒 , 西蒙·狄克逊 :
歌唱发声模式的分析与分类。 ISMIR公司 2016 : 80-86 2013 【c1】 丹尼尔·斯托勒 , 马蒂亚斯·莫奇 , 伊戈尔·瓦托尔金 , 克劳斯·魏斯 :
帧大小和仪器对基于色度的自动和弦识别的影响。 ECDA公司 2013 : 411-421
合著者索引
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)