論文の概要: I4U System Description for NIST SRE'20 CTS Challenge

• arxiv url: http://arxiv.org/abs/2211.01091v1
• Date: Wed, 2 Nov 2022 13:04:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 14:24:41.863150
• Title: I4U System Description for NIST SRE'20 CTS Challenge
• Title（参考訳）: NIST SRE'20 CTS ChallengeのI4Uシステム記述
• Authors: Kong Aik Lee, Tomi Kinnunen, Daniele Colibro, Claudio Vair, Andreas Nautsch, Hanwu Sun, Liang He, Tianyu Liang, Qiongqiong Wang, Mickael Rouvier, Pierre-Michel Bousquet, Rohan Kumar Das, Ignacio Vi\~nals Bailo, Meng Liu, H\'ector Deldago, Xuechen Liu, Md Sahidullah, Sandro Cumani, Boning Zhang, Koji Okabe, Hitoshi Yamamoto, Ruijie Tao, Haizhou Li, Alfonso Ortega Gim\'enez, Longbiao Wang, Luis Buera
• Abstract要約: この原稿は、2020 NIST Speaker Recognition Evaluation (SRE'20) Conversational Telephone Speech (CTS) ChallengeへのI4U提出について記述している。 I4Uの提出は、8つの研究チームの間で活発なコラボレーションによって行われた。 提出は、個々のチームが貢献するトップパフォーマンスサブシステムとサブフュージョンシステムの融合に基づいている。
• 参考スコア（独自算出の注目度）: 87.17861348484455
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This manuscript describes the I4U submission to the 2020 NIST Speaker Recognition Evaluation (SRE'20) Conversational Telephone Speech (CTS) Challenge. The I4U's submission was resulted from active collaboration among researchers across eight research teams - I$^2$R (Singapore), UEF (Finland), VALPT (Italy, Spain), NEC (Japan), THUEE (China), LIA (France), NUS (Singapore), INRIA (France) and TJU (China). The submission was based on the fusion of top performing sub-systems and sub-fusion systems contributed by individual teams. Efforts have been spent on the use of common development and validation sets, submission schedule and milestone, minimizing inconsistency in trial list and score file format across sites.
• Abstract（参考訳）: この原稿は、2020 NIST Speaker Recognition Evaluation (SRE'20) Conversational Telephone Speech (CTS) ChallengeへのI4U提出について記述している。 I4Uの提出は、I$^2$R (Singapore)、UEF (Finland)、VALPT (Italy, Spain)、NEC (Japan)、THUEE (China)、LIA (France)、NAS (Singapore)、INRIA (France)、TJU (China)という8つの研究チームの研究者の間で活発なコラボレーションによって行われた。 提出は、個々のチームが貢献するトップパフォーマンスサブシステムとサブフュージョンシステムの融合に基づいている。 共通の開発と検証セットの使用、提出スケジュールとマイルストーンの使用、トライアルリストの不整合の最小化、サイト間でのファイルフォーマットのスコアリングに費やされてきた。

関連論文リスト

• SimulSeamless: FBK at IWSLT 2024 Simultaneous Speech Translation [23.75894159181602]
  本稿では,IWSLT 2024におけるFBKの同時翻訳評価キャンペーンへの参加について述べる。 SeamlessM4T モデルは "off-the-shelf" として使用され、その同時推論は AlignAtt の採用によって実現される。 Simul Seamlessは143のソース言語と200のターゲット言語をカバーする。
  論文  参考訳（メタデータ） (2024-06-20T10:34:46Z)
• The 2022 NIST Language Recognition Evaluation [1.3730035576297057]
  2022年、米国国立標準技術研究所(NIST)が最新の言語認識評価(LRE)を行った。 従来のLREと同様、LRE22は会話電話音声(CTS)と放送狭帯域音声(BNBS)データに焦点を当てていた。 本稿では,LRE22の概要と評価条件の異なるシステム性能の解析について述べる。
  論文  参考訳（メタデータ） (2023-02-28T15:05:33Z)
• BJTU-WeChat's Systems for the WMT22 Chat Translation Task [66.81525961469494]
  本稿では,WMT'22チャット翻訳タスクに対して,北京地東大学とWeChat AIを共同で提案する。 Transformerに基づいて、いくつかの有効な変種を適用します。 本システムでは,0.810と0.946のCOMETスコアを達成している。
  論文  参考訳（メタデータ） (2022-11-28T02:35:04Z)
• Summary on the ISCSLP 2022 Chinese-English Code-Switching ASR Challenge [25.69349931845173]
  ISCSLP 2022 CSASRチャレンジでは、TAL_CSASRコーパスとMagicData-RAMCコーパス、参加者向けの開発とテストセットの2つのトレーニングセットが提供された。 40以上のチームがこの挑戦に参加し、勝者チームは16.70%の混合誤差率(MER)をテストセットで達成した。 本稿では、データセット、関連するベースラインシステム、および要件を説明し、CSASRチャレンジ結果と提案システムで使用される主要なテクニックとトリックを要約する。
  論文  参考訳（メタデータ） (2022-10-12T11:05:13Z)
• UrduFake@FIRE2021: Shared Track on Fake News Identification in Urdu [55.41644538483948]
  本研究は、ウルドゥー語で偽ニュースを検出するために、UrduFake@FIRE2021と名付けられた2番目の共有タスクを報告した。 提案システムは、様々なカウントベースの特徴に基づいており、異なる分類器とニューラルネットワークアーキテクチャを使用していた。 勾配降下(SGD)アルゴリズムは他の分類器よりも優れ、0.679Fスコアを達成した。
  論文  参考訳（メタデータ） (2022-07-11T19:15:04Z)
• MIA 2022 Shared Task: Evaluating Cross-lingual Open-Retrieval Question Answering for 16 Diverse Languages [54.002969723086075]
  16言語に類型的に多様である言語における言語横断的オープン-検索型問合せシステムの評価を行った。 反復的にマイニングされた多様な負の例を利用する最良のシステムは32.2 F1となり、ベースラインを4.5ポイント上回る。 第2のベストシステムは文書検索にエンティティを意識した文脈表現を使用し、タミル(20.8 F1)の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2022-07-02T06:54:10Z)
• UniCon+: ICTCAS-UCAS Submission to the AVA-ActiveSpeaker Task at ActivityNet Challenge 2022 [69.67841335302576]
  本稿では,アクティベーションネットチャレンジ2022におけるAVAアクティブ話者検出(ASD)課題に対する,我々の勝利ソリューションの簡潔な説明を行う。 基盤となるモデルであるUniCon+は、以前の作業であるUnified Context Network(UniCon)とExtended UniConの上に構築され続けています。 アーキテクチャをシンプルなGRUベースのモジュールで拡張し、繰り返し発生するアイデンティティの情報がシーンを流れるようにします。
  論文  参考訳（メタデータ） (2022-06-22T06:11:07Z)
• The 2021 NIST Speaker Recognition Evaluation [1.5282767384702267]
  2021話者認識評価 (2021 Speaker Recognition Evaluation, SRE21) は、1996年からアメリカ合衆国国立標準技術研究所 (NIST) が実施している評価シリーズの最新サイクルである。 本稿では,タスク,評価基準,データ,評価プロトコル,結果,システム性能分析などを含むSRE21の概要について述べる。
  論文  参考訳（メタデータ） (2022-04-21T16:18:52Z)
• The NIST CTS Speaker Recognition Challenge [1.5282767384702267]
  アメリカ国立標準技術研究所(NIST)は2020年8月からCTSチャレンジの第2回を実施中である。 本稿では,CTSチャレンジにおけるシステム性能の評価と解析について概説する。
  論文  参考訳（メタデータ） (2022-04-21T16:06:27Z)
• WeChat Neural Machine Translation Systems for WMT20 [61.03013964996131]
  本システムは,有効な変種とDTMTアーキテクチャを備えたTransformerをベースとしている。 実験では,データ選択,複数の合成データ生成手法,高度な微調整手法,自己視覚モデルアンサンブルを用いた。 制約のある中国語と英語のシステムでは36.9のケースセンシティブなBLEUスコアが得られます。
  論文  参考訳（メタデータ） (2020-10-01T08:15:09Z)

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。