論文の概要: Description and Discussion on DCASE 2024 Challenge Task 2: First-Shot Unsupervised Anomalous Sound Detection for Machine Condition Monitoring

• arxiv url: http://arxiv.org/abs/2406.07250v1
• Date: Tue, 11 Jun 2024 13:32:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-12 15:54:07.301256
• Title: Description and Discussion on DCASE 2024 Challenge Task 2: First-Shot Unsupervised Anomalous Sound Detection for Machine Condition Monitoring
• Title（参考訳）: DCASE 2024チャレンジタスクの解説と議論 第2報:機械条件モニタリングのための1ショット非教師なし異常音検出
• Authors: Tomoya Nishida, Noboru Harada, Daisuke Niizumi, Davide Albertini, Roberto Sannino, Simone Pradolini, Filippo Augusti, Keisuke Imoto, Kota Dohi, Harsh Purohit, Takashi Endo, Yohei Kawaguchi,
• Abstract要約: このタスクは、ドメインの一般化に必要な設定下でのファーストショットの問題である。 第一弾問題の主な目的は、新しい種類のマシンにAPDシステムの迅速な展開を可能にすることである。 DCASE 2024 Challenge Task 2では、完全に新しいマシンタイプのデータが新たに収集され、評価データセットとして提供される。
• 参考スコア（独自算出の注目度）: 14.646018360317036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present the task description of the Detection and Classification of Acoustic Scenes and Events (DCASE) 2024 Challenge Task 2: First-shot unsupervised anomalous sound detection (ASD) for machine condition monitoring. Continuing from last year's DCASE 2023 Challenge Task 2, we organize the task as a first-shot problem under domain generalization required settings. The main goal of the first-shot problem is to enable rapid deployment of ASD systems for new kinds of machines without the need for machine-specific hyperparameter tunings. This problem setting was realized by (1) giving only one section for each machine type and (2) having completely different machine types for the development and evaluation datasets. For the DCASE 2024 Challenge Task 2, data of completely new machine types were newly collected and provided as the evaluation dataset. In addition, attribute information such as the machine operation conditions were concealed for several machine types to mimic situations where such information are unavailable. We will add challenge results and analysis of the submissions after the challenge submission deadline.
• Abstract（参考訳）: 本稿では,音響シーン・イベントの検出・分類のタスク記述について紹介する。2024 課題2: 機械状態監視のための一発的教師なし異常音検出(ASD)。 去年のDCASE 2023 Challenge Task 2から継続して、ドメインの一般化に必要な設定の下で、タスクをファーストショット問題として整理します。 ファーストショット問題の主な目標は、マシン固有のハイパーパラメータチューニングを必要とせずに、新しい種類のマシンに高速にASDシステムをデプロイできるようにすることである。 この問題設定は、(1)各マシンタイプに1つのセクションだけを与え、(2)開発および評価データセットに全く異なるマシンタイプを持つことによって実現された。 DCASE 2024 Challenge Task 2では、完全に新しいマシンタイプのデータが新たに収集され、評価データセットとして提供される。 さらに, 機械動作条件などの属性情報を複数の機械タイプに隠蔽し, それらの情報を利用できない状況に再現した。 課題提出期限後、課題結果と提出内容の分析を追加します。

関連論文リスト

• Harnessing Temporal Causality for Advanced Temporal Action Detection [53.654457142657236]
  本稿では,因果的注意と因果的マンバを組み合わせたCausalTADを提案する。 Ego4D Challenge 2024では,EPIC-Kitchens Challenge 2024では行動認識,行動検出,音声によるインタラクション検出トラックで1位,Ego4D Challenge 2024ではMoment Queriesトラックで1位にランクインした。
  論文  参考訳（メタデータ） (2024-07-25T06:03:02Z)
• DailyDVS-200: A Comprehensive Benchmark Dataset for Event-Based Action Recognition [51.96660522869841]
  DailyDVS-200は、イベントベースのアクション認識コミュニティに適したベンチマークデータセットである。 実世界のシナリオで200のアクションカテゴリをカバーし、47人の参加者によって記録され、22,000以上のイベントシーケンスで構成されている。 DailyDVS-200には14の属性がアノテートされており、記録されたアクションの詳細なキャラクタリゼーションが保証されている。
  論文  参考訳（メタデータ） (2024-07-06T15:25:10Z)
• Perception Test 2023: A Summary of the First Challenge And Outcome [67.0525378209708]
  最初のパーセプションテストは、IEEE/CVF International Conference on Computer Vision (ICCV) 2023と共に半日間のワークショップとして開催された。 目標は、最近提案されたPerception Testベンチマークで最先端のビデオモデルをベンチマークすることであった。 このレポートでは、タスク記述、メトリクス、ベースライン、結果について要約しています。
  論文  参考訳（メタデータ） (2023-12-20T15:12:27Z)
• 2nd Place Winning Solution for the CVPR2023 Visual Anomaly and Novelty Detection Challenge: Multimodal Prompting for Data-centric Anomaly Detection [10.682758791557436]
  本稿では,CVPR2023 Visual Anomaly and Novelty Detection (VAND) の課題に対して,Segment Any Anomaly チームが勝利したソリューションを紹介した。 マルチモーダルプロンプトを用いたゼロショット異常セグメンテーションのための新しいフレームワーク、すなわちセグメンツ・アノマリー + (SAA$+$) を提案する。 CVPR2023 VANで勝利したソリューションのコードを公開します。
  論文  参考訳（メタデータ） (2023-06-15T11:49:44Z)
• Description and Discussion on DCASE 2023 Challenge Task 2: First-Shot Unsupervised Anomalous Sound Detection for Machine Condition Monitoring [22.871107042311838]
  主な目標は、マシン条件監視システムの迅速な展開を可能にすることである。 2023タスク2では、全く新しいマシンタイプでモデルをトレーニングする際の課題である、ファーストショットの問題を解決することに重点を置いている。 23チームから提出された86件の分析によると, 基準値を上回るキーは, 1) 異なる領域と属性のクラス不均衡を扱うためのサンプリング技術, 2) 堅牢な検出のための合成サンプルの生成, 3) 複数種類の大規模事前学習モデルを用いて, 異常検出のための意味のある埋め込みを抽出した。
  論文  参考訳（メタデータ） (2023-05-13T03:09:38Z)
• The ACM Multimedia 2023 Computational Paralinguistics Challenge: Emotion Share & Requests [66.24715220997547]
  ACM Multimedia 2023 Paralinguistics Challengeは、明確に定義された条件下で初めて2つの異なる問題に対処する。 Emotion Share Sub-Challengeでは、音声のレグレッションが発生し、Requests Sub-Challengeでは、リクエストと苦情を検出する必要がある。 本稿では,DeepSpectRumツールキットを用いて,事前学習したCNNのサブチャレンジ,ベースライン特徴抽出,および通常のComPaRE特徴に基づく分類器,auDeepツールキット,およびディープ特徴抽出について述べる。
  論文  参考訳（メタデータ） (2023-04-28T14:42:55Z)
• Robust, General, and Low Complexity Acoustic Scene Classification Systems and An Effective Visualization for Presenting a Sound Scene Context [53.80051967863102]
  音響シーン分類(ASC)の包括的解析について述べる。 ASCベースラインと呼ばれる,創発的かつ低フットプリントのASCモデルを提案する。 次に、新しいディープニューラルネットワークアーキテクチャを提案することにより、ASCベースラインを改善する。
  論文  参考訳（メタデータ） (2022-10-16T19:07:21Z)
• Description and Discussion on DCASE 2022 Challenge Task 2: Unsupervised Anomalous Sound Detection for Machine Condition Monitoring Applying Domain Generalization Techniques [35.54126113756623]
  音響シーン・イベントの検出・分類のタスク記述について紹介する。2022 課題2:「ドメイン一般化技術を適用した機械状態監視のための教師なし異常音検出(ASD)」。 本稿では,DCASE 2021 Challenge Task 2において,ドメインシフトを扱うためのASDタスクを編成した。 2022タスク2では,ドメインシフトによらず異常を検出する領域一般化技術に注目した。
  論文  参考訳（メタデータ） (2022-06-13T02:06:15Z)
• Description and Discussion on DCASE 2021 Challenge Task 2: Unsupervised Anomalous Sound Detection for Machine Condition Monitoring under Domain Shifted Conditions [37.68195595947483]
  本課題は, ASD システムの実用化における避けられない問題に焦点をあてる。 この課題の主な課題は、トレーニングと試験サンプルの音響特性が異なる未知の異常音を検出することである。
  論文  参考訳（メタデータ） (2021-06-08T16:26:10Z)
• Deep Dense and Convolutional Autoencoders for Unsupervised Anomaly Detection in Machine Condition Sounds [55.18259748448095]
  本報告では,DCASE 2020 チャレンジの第2タスクのために開発された2つの手法について述べる。 この課題には、異常音を検出する教師なしの学習が含まれており、トレーニングプロセス中に通常の機械作業条件サンプルのみが利用可能である。 この2つの手法は、メルスペクトグラム処理された音響特徴を用いた密集的および畳み込み的アーキテクチャに基づくディープオートエンコーダを含む。
  論文  参考訳（メタデータ） (2020-06-18T10:49:49Z)
• Description and Discussion on DCASE2020 Challenge Task2: Unsupervised Anomalous Sound Detection for Machine Condition Monitoring [36.60410256763345]
  本稿では,DCASE 2020 Challenge Task 2: Unsupervised Detection of Anomalous Sounds for Machine Condition Monitoringの結果を紹介する。 異常音検出(ASD)の目的は、対象機械から放射される音が正常か異常かを特定することである。
  論文  参考訳（メタデータ） (2020-06-10T13:17:36Z)

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。