論文の概要: O2D2: Out-Of-Distribution Detector to Capture Undecidable Trials in Authorship Verification

• arxiv url: http://arxiv.org/abs/2106.15825v2
• Date: Fri, 2 Jul 2021 05:45:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-06 07:20:10.917474
• Title: O2D2: Out-Of-Distribution Detector to Capture Undecidable Trials in Authorship Verification
• Title（参考訳）: o2d2: オーサシップ検証における決定不能な試行をキャプチャする分散検出装置
• Authors: Benedikt Boenninghoff, Robert M. Nickel, Dorothea Kolossa
• Abstract要約: 本稿では、PAN 2021タスクの課題に対処するために設計された、新しいハイブリッド・ニューラル-確率的フレームワークを提案する。 われわれのシステムは、2020年の優勝申請に基づいており、その更新により、話題のバリエーションに対する感性を大幅に減らすことができる。 当社のフレームワークには,非応答を定義するためのアウト・オブ・ディストリビューション検出器(O2D2)も含まれている。
• 参考スコア（独自算出の注目度）: 14.321827655211544
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The PAN 2021 authorship verification (AV) challenge is part of a three-year strategy, moving from a cross-topic/closed-set AV task to a cross-topic/open-set AV task over a collection of fanfiction texts. In this work, we present a novel hybrid neural-probabilistic framework that is designed to tackle the challenges of the 2021 task. Our system is based on our 2020 winning submission, with updates to significantly reduce sensitivities to topical variations and to further improve the system's calibration by means of an uncertainty-adaptation layer. Our framework additionally includes an out-of-distribution detector (O2D2) for defining non-responses. Our proposed system outperformed all other systems that participated in the PAN 2021 AV task.
• Abstract（参考訳）: pan 2021 authorship verification (av) challengeは、クロストピック/クローズドセットavタスクからクロストピック/オープンセットavタスクへ、ファンフィクションテキストのコレクションに移行した3年間の戦略の一部である。 本稿では,2021年の課題に対処するために設計された,新しいハイブリッド型ニューラル確率的フレームワークを提案する。 提案方式は,2020年度の入賞提案に基づいて,話題の変化に対する感性を大幅に低減し,不確実性対応層を用いてシステムの校正をさらに改善する更新を行った。 当社のフレームワークには、非応答を定義するためのout-of-distribution detector(o2d2)も含まれています。 提案システムは、PAN 2021 AVタスクに参加した他のシステムよりも優れていた。

関連論文リスト

• Hierarchical Audio-Visual Information Fusion with Multi-label Joint Decoding for MER 2023 [51.95161901441527]
  本稿では,離散的感情と次元的感情の両方を認識するための新しい枠組みを提案する。 基礎モデルから抽出した深い特徴は、生ビデオの頑健な音響的および視覚的表現として使用される。 我々の最終システムは最先端のパフォーマンスを達成し、MER-MULTIサブチャレンジのリーダーボードで3位にランクインする。
  論文  参考訳（メタデータ） (2023-09-11T03:19:10Z)
• Tackling Long-Tailed Category Distribution Under Domain Shifts [50.21255304847395]
  既存のアプローチでは、両方の問題が存在するシナリオに対処できません。 本研究では,分散校正型分類損失,視覚意味マッピング,セマンティック類似性誘導拡張の3つの新しい機能ブロックを設計した。 AWA2-LTSとImageNet-LTSという2つの新しいデータセットが提案された。
  論文  参考訳（メタデータ） (2022-07-20T19:07:46Z)
• Anti-Spoofing Using Transfer Learning with Variational Information Bottleneck [6.918364447822298]
  本稿では,音声のアンチ・スプーフィングタスクのための変動情報ボトルネックを持つwav2vec 2.0事前学習モデルに基づく伝達学習手法を提案する。 提案手法は,現在最先端のアンチ・スプーフィングシステムよりも優れており,未知のスプーフィングと真正の音声を区別する性能を向上させる。
  論文  参考訳（メタデータ） (2022-04-04T11:08:21Z)
• STC speaker recognition systems for the NIST SRE 2021 [56.05258832139496]
  本稿では,NIST 2021話者認識評価に提出されたSTCシステムについて述べる。 これらのシステムは、ディープニューラルネットワークを特徴抽出器として利用する様々なサブシステムで構成されている。 ビデオモダリティのために、大きな顔画像データセットに基づいて訓練されたRetinaFace顔検出器と深層ResNet顔埋め込み抽出器を用いた最良のソリューションを開発した。
  論文  参考訳（メタデータ） (2021-11-03T15:31:01Z)
• Efficient Attention Branch Network with Combined Loss Function for Automatic Speaker Verification Spoof Detection [7.219077740523682]
  自動話者検証(Automatic Speaker Verification)のタスクのために現在デプロイされているモデルは、その最善は、目に見えない攻撃に対して適切な一般化の度合いを欠いていることである。 本研究では、一般化問題に対処するために、損失関数を組み合わせた効率的な注意分岐ネットワーク(EABN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-09-05T12:10:16Z)
• ASVspoof 2021: accelerating progress in spoofed and deepfake speech detection [70.45884214674057]
  ASVspoof 2021は、スプーフの研究を促進するための2年制の課題の第4版である。 本稿では,3つのタスク,それぞれのデータベース,評価基準,4つの課題ベースライン,評価プラットフォーム,課題結果の要約について述べる。
  論文  参考訳（メタデータ） (2021-09-01T16:17:31Z)
• ASVspoof 2021: Automatic Speaker Verification Spoofing and Countermeasures Challenge Evaluation Plan [70.45884214674057]
  ASVspoof 2021は、二年制で競争上の課題の4番目である。 目標は、ボナ・フェイドとスプーフ・ディープフェイク・スピーチを区別できる対策を開発することである。
  論文  参考訳（メタデータ） (2021-09-01T15:32:28Z)
• Self-Calibrating Neural-Probabilistic Model for Authorship Verification Under Covariate Shift [14.321827655211544]
  我々はオーサシップ検証(AV)における2つの根本的な問題に対処している。 我々は、フレームワークをPAN 2020からベイズ因子スコアリング(BFS)と不確実性適応層(UAL)に拡張しています。 2020/21 PAN AV共有タスクデータを用いた実験により,提案手法は局所的変動に対する感度を著しく低減し,システムキャリブレーションを大幅に改善することを示した。
  論文  参考訳（メタデータ） (2021-06-21T15:33:48Z)
• Automatic Visual Inspection of Rare Defects: A Framework based on GP-WGAN and Enhanced Faster R-CNN [0.0]
  本稿では,自動視覚検査(AVI)システムの2段階故障診断フレームワークを提案する。 第1段階では、実サンプルに基づいて新しいサンプルを合成する生成モデルが設計されている。 提案アルゴリズムは,実際のサンプルからオブジェクトを抽出し,ランダムにブレンドし,新しいサンプルを生成し,画像処理の性能を向上させる。
  論文  参考訳（メタデータ） (2021-05-02T11:34:59Z)
• A Two-Stage Approach to Device-Robust Acoustic Scene Classification [63.98724740606457]
  デバイスロバスト性を改善するために,完全畳み込みニューラルネットワーク(CNN)に基づく2段階システムを提案する。 以上の結果から,提案したASCシステムにより,開発環境における最先端の精度が得られた。 クラスアクティベーションマッピングを用いたニューラルサリエンシ解析により、モデルによって学習されたパターンに関する新たな洞察が得られる。
  論文  参考訳（メタデータ） (2020-11-03T03:27:18Z)

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。