論文の概要: Domain-Dependent Speaker Diarization for the Third DIHARD Challenge

• arxiv url: http://arxiv.org/abs/2101.09884v1
• Date: Mon, 25 Jan 2021 04:01:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-16 07:37:05.083614
• Title: Domain-Dependent Speaker Diarization for the Third DIHARD Challenge
• Title（参考訳）: 第3次ディハードチャレンジにおけるドメイン依存話者ダイアリゼーション
• Authors: A Kishore Kumar, Shefali Waldekar, Goutam Saha, Md Sahidullah
• Abstract要約: 本報告では,第3回DIHARD音声ダイアリゼーションチャレンジのためにABSP Laboratoryチームが開発したシステムについて述べる。 本研究の主な貢献は,音響領域依存音声ダイアリゼーションのための簡易かつ効率的な解法の開発である。
• 参考スコア（独自算出の注目度）: 12.034471243070406
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This report presents the system developed by the ABSP Laboratory team for the third DIHARD speech diarization challenge. Our main contribution in this work is to develop a simple and efficient solution for acoustic domain dependent speech diarization. We explore speaker embeddings for \emph{acoustic domain identification} (ADI) task. Our study reveals that i-vector based method achieves considerably better performance than x-vector based approach in the third DIHARD challenge dataset. Next, we integrate the ADI module with the diarization framework. The performance substantially improved over that of the baseline when we optimized the thresholds for agglomerative hierarchical clustering and the parameters for dimensionality reduction during scoring for individual acoustic domains. We achieved a relative improvement of $9.63\%$ and $10.64\%$ in DER for core and full conditions, respectively, for Track 1 of the DIHARD III evaluation set.
• Abstract（参考訳）: 本報告では,第3回DIHARD音声ダイアリゼーションチャレンジのためにABSP Laboratoryチームが開発したシステムについて述べる。 本研究の主な貢献は,音響領域依存音声ダイアリゼーションのための簡易かつ効率的な解法の開発である。 Emph{acoustic domain ID} (ADI) タスクのスピーカ埋め込みについて検討する。 本研究は,第3のDIHARDチャレンジデータセットにおいて,i-vectorベースの手法がx-vectorベースの手法よりもかなり優れた性能を実現することを明らかにする。 次に、ADIモジュールとダイアリゼーションフレームワークを統合します。 その性能は,凝集階層クラスタリングのしきい値と,各音響領域の得点時の次元性低減パラメータを最適化することで,ベースラインよりも大幅に向上した。 我々は,DIHARD III 評価セットのトラック1において,コア条件とフル条件に対する DER の 9.63 % と 10.64 % の相対的な改善を達成した。

関連論文リスト

• Acoustic Model Optimization over Multiple Data Sources: Merging and Valuation [13.009945735929445]
  本稿では,音声認識分野の課題を解くための新しいパラダイムを提案する。 最初の段階では、完全な音声データの異なるサブセットに基づいて複数の音響モデルを訓練する。 第2段階では、2つの新しいアルゴリズムを用いて高品質な音響モデルを生成する。
  論文  参考訳（メタデータ） (2024-10-21T03:48:23Z)
• DASA: Difficulty-Aware Semantic Augmentation for Speaker Verification [55.306583814017046]
  本稿では,話者認証のための難易度認識型セマンティック拡張(DASA)手法を提案する。 DASAは、話者埋め込み空間における多様なトレーニングサンプルを、無視できる余分な計算コストで生成する。 最も良い結果は、CN-Celeb評価セット上でのEER測定値の14.6%の相対的な減少を達成する。
  論文  参考訳（メタデータ） (2023-10-18T17:07:05Z)
• TOLD: A Novel Two-Stage Overlap-Aware Framework for Speaker Diarization [54.41494515178297]
  話者ダイアリゼーションを単一ラベル分類問題として再検討する。 話者の重なりと依存性を明示的にモデル化できる重なり認識型EEND(EEND-OLA)モデルを提案する。 オリジナルのEENDと比較すると、提案されたEEND-OLAはダイアリゼーションエラー率において14.39%の相対的な改善を実現している。
  論文  参考訳（メタデータ） (2023-03-08T05:05:26Z)
• AdaStereo: An Efficient Domain-Adaptive Stereo Matching Approach [50.855679274530615]
  本稿では,AdaStereoというドメイン適応型アプローチを提案する。 我々のモデルは、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のベンチマークで最先端のクロスドメイン性能を実現している。 提案手法は,様々なドメイン適応設定に対して堅牢であり,迅速な適応アプリケーションシナリオや実環境展開に容易に組み込むことができる。
  論文  参考訳（メタデータ） (2021-12-09T15:10:47Z)
• Scenario Aware Speech Recognition: Advancements for Apollo Fearless Steps & CHiME-4 Corpora [70.46867541361982]
  本稿では、TRILLと呼ばれる三重項損失に基づく自己監督基準で訓練された一般的な非意味的音声表現について考察する。 我々は、Fearless Stepsの開発と評価のために、+5.42%と+3.18%の相対的なWER改善を観察した。
  論文  参考訳（メタデータ） (2021-09-23T00:43:32Z)
• Comparing Acoustic-based Approaches for Alzheimer's Disease Detection [8.360862198568967]
  近年のADReSSoチャレンジデータセットにおける音声からのAD検出のための3つのアプローチの性能と一般化性について検討した。 機能ベースのアプローチは精度が高いが、埋め込みと機能の組み合わせによる分類アプローチは、複数のパフォーマンス指標でより高い、よりバランスの取れたパフォーマンスを証明している。
  論文  参考訳（メタデータ） (2021-06-03T02:44:40Z)
• USTC-NELSLIP System Description for DIHARD-III Challenge [78.40959509760488]
  我々のシステムの革新は、ダイアリゼーション問題を解決するための様々なフロントエンド技術の組み合わせにある。 私達の最もよいシステムは評価セットのトラック1および16.78%のトラック2で11.30%のDERを達成しました。
  論文  参考訳（メタデータ） (2021-03-19T07:00:51Z)
• DEAAN: Disentangled Embedding and Adversarial Adaptation Network for Robust Speaker Representation Learning [69.70594547377283]
  話者関連およびドメイン固有の特徴を解き放つための新しいフレームワークを提案する。 我々のフレームワークは、より話者差別的でドメイン不変な話者表現を効果的に生成できる。
  論文  参考訳（メタデータ） (2020-12-12T19:46:56Z)
• DIHARD II is Still Hard: Experimental Results and Discussions from the DKU-LENOVO Team [22.657782236219933]
  本稿では,DKULEチームによる第2回DIHARD音声ダイアリゼーションチャレンジの提出システムについて述べる。 我々のダイアリゼーションシステムには、音声活動検出(VAD)、セグメンテーション、話者埋め込み抽出、類似度スコアリング、クラスタリング、分離、重複検出といった複数のモジュールが含まれている。 当社のシステムでは、公式基準に対してDerを27.5%、31.7%削減していますが、ダイアリゼーションタスクは依然として非常に難しいと考えています。
  論文  参考訳（メタデータ） (2020-02-23T11:50:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。