論文の概要: Score-balanced Loss for Multi-aspect Pronunciation Assessment

• arxiv url: http://arxiv.org/abs/2305.16664v1
• Date: Fri, 26 May 2023 06:21:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 16:39:55.231456
• Title: Score-balanced Loss for Multi-aspect Pronunciation Assessment
• Title（参考訳）: 多視点発音評価のためのスコアバランス損失
• Authors: Heejin Do, Yunsu Kim, Gary Geunbae Lee
• Abstract要約: 不均一なデータに起因する問題に対処するため,新たな損失関数であるスコアバランス損失を提案する。 再重み付け手法として、予測スコアがマイノリティクラスの場合、より高いコストを割り当てる。 本手法は,いくつかの面において不均衡なスコアを持つ音声強調762データセット上で評価する。
• 参考スコア（独自算出の注目度）: 3.6825890616838066
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With rapid technological growth, automatic pronunciation assessment has transitioned toward systems that evaluate pronunciation in various aspects, such as fluency and stress. However, despite the highly imbalanced score labels within each aspect, existing studies have rarely tackled the data imbalance problem. In this paper, we suggest a novel loss function, score-balanced loss, to address the problem caused by uneven data, such as bias toward the majority scores. As a re-weighting approach, we assign higher costs when the predicted score is of the minority class, thus, guiding the model to gain positive feedback for sparse score prediction. Specifically, we design two weighting factors by leveraging the concept of an effective number of samples and using the ranks of scores. We evaluate our method on the speechocean762 dataset, which has noticeably imbalanced scores for several aspects. Improved results particularly on such uneven aspects prove the effectiveness of our method.
• Abstract（参考訳）: 急速な技術発展に伴い、自動発音評価は流束やストレスなどの様々な側面で発音を評価するシステムへと移行している。 しかし,各面に高度に不均衡なスコアラベルが存在するにもかかわらず,既存の研究ではデータ不均衡の問題にほとんど取り組んでいない。 本稿では,多数点に対するバイアスなどの不均一なデータに起因する問題に対処するために,新しい損失関数であるスコアバランス損失を提案する。 再重み付け手法として、予測スコアがマイノリティクラスの場合、より高いコストを割り当て、スパーススコア予測に対する肯定的なフィードバックを得るようモデルに誘導する。 具体的には,有効サンプル数の概念を活用し,スコアのランクを用いて2つの重み付け因子を設計する。 本手法は,いくつかの点で明らかに不均衡なスコアを持つ speechocean762 データセット上で評価する。 このような不均一な側面における結果の改善は,本手法の有効性を証明している。

関連論文リスト

• Revising the Problem of Partial Labels from the Perspective of CNNs' Robustness [6.46250754192468]
  擬似ラベル手法と設計された損失関数を用いた軽量な部分ラベル解を提案する。 提案手法と既存手法の両方をD-Scoreを用いて解析し,精度を向上しながら頑健性を向上できるかどうかを判定する。
  論文  参考訳（メタデータ） (2024-07-24T20:39:17Z)
• Fighting Sampling Bias: A Framework for Training and Evaluating Credit Scoring Models [2.918530881730374]
  本稿では,サンプリングバイアスがモデルトレーニングおよび評価に与える影響について考察する。 スコアカード評価のためのバイアス認識型自己学習と拒絶推論フレームワークを提案する。 その結果,ベイズ評価を用いて受入率を決定する場合,利益率が約8%向上することが示唆された。
  論文  参考訳（メタデータ） (2024-07-17T20:59:54Z)
• Acoustic Feature Mixup for Balanced Multi-aspect Pronunciation Assessment [7.519788903817844]
  データ不足とスコア・ラベルの不均衡に対処する2つの音響特徴混合手法を提案する。 音声認識結果と元の応答音素を比較し,誤発音のヒントを与える。
  論文  参考訳（メタデータ） (2024-06-22T03:56:29Z)
• Learning with Imbalanced Noisy Data by Preventing Bias in Sample Selection [82.43311784594384]
  実世界のデータセットには、ノイズの多いラベルだけでなく、クラス不均衡も含まれている。 不均衡なデータセットにおけるノイズラベルに対処する,単純かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2024-02-17T10:34:53Z)
• Beyond Myopia: Learning from Positive and Unlabeled Data through Holistic Predictive Trends [26.79150786180822]
  我々は、PULで興味深いが、長い間見過ごされてきた観察を公表する。 ポジティブクラスとネガティブクラスの予測傾向は、明らかに異なるパターンを示す。 本稿では,TPPにインスパイアされた新しいトレンド検出尺度を提案し,変化予測における不偏性を証明する。
  論文  参考訳（メタデータ） (2023-10-06T08:06:15Z)
• Uncertainty-Driven Action Quality Assessment [67.20617610820857]
  本稿では,複数の判定スコアの多様性を捉えるために,不確実性駆動型AQA (UD-AQA) という新しい確率モデルを提案する。 我々は,AQA回帰損失の再重み付けに使用される各予測の不確かさを推定する。 提案手法は,オリンピックイベントMTL-AQAとFineDivingの3つのベンチマークと,手術スキルJIGSAWSデータセットの3つのベンチマークで比較結果を得た。
  論文  参考訳（メタデータ） (2022-07-29T07:21:15Z)
• Abnormal-aware Multi-person Evaluation System with Improved Fuzzy Weighting [0.0]
  粗スクリーニングとスコア重み付きKendall-$tau$ Distanceからなる2段階スクリーニング法を選択する。 ファジィ・シンセティック・アセスメント・メソッド(FSE)を用いて、レビュアーによるスコアの重要度と信頼性を判定する。
  論文  参考訳（メタデータ） (2022-05-01T03:42:43Z)
• Scale-Equivalent Distillation for Semi-Supervised Object Detection [57.59525453301374]
  近年のSemi-Supervised Object Detection (SS-OD) 法は主に自己学習に基づいており、教師モデルにより、ラベルなしデータを監視信号としてハードな擬似ラベルを生成する。 実験結果から,これらの手法が直面する課題を分析した。 本稿では,大規模オブジェクトサイズの分散とクラス不均衡に頑健な簡易かつ効果的なエンド・ツー・エンド知識蒸留フレームワークであるSED(Scale-Equivalent Distillation)を提案する。
  論文  参考訳（メタデータ） (2022-03-23T07:33:37Z)
• Disentangling Sampling and Labeling Bias for Learning in Large-Output Spaces [64.23172847182109]
  異なる負のサンプリングスキームが支配的ラベルと稀なラベルで暗黙的にトレードオフパフォーマンスを示す。 すべてのラベルのサブセットで作業することで生じるサンプリングバイアスと、ラベルの不均衡に起因するデータ固有のラベルバイアスの両方に明示的に対処する統一された手段を提供する。
  論文  参考訳（メタデータ） (2021-05-12T15:40:13Z)
• Counterfactual Representation Learning with Balancing Weights [74.67296491574318]
  観察データによる因果推論の鍵は、それぞれの治療タイプに関連する予測的特徴のバランスを達成することである。 近年の文献では、この目標を達成するために表現学習を探求している。 因果効果を柔軟かつスケーラブルかつ正確に推定するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-10-23T19:06:03Z)
• Uncertainty-aware Score Distribution Learning for Action Quality Assessment [91.05846506274881]
  行動品質評価(AQA)のための不確実性認識スコア分布学習(USDL)手法を提案する。 具体的には、異なる評価スコアの確率を記述したスコア分布に関連する事例として、アクションを考察する。 微粒なスコアラベルが利用できる状況下では、多パス不確実性を考慮したスコア分布学習法(MUSDL)を考案し、スコアの不整合成分を探索する。
  論文  参考訳（メタデータ） (2020-06-13T15:41:29Z)

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。