論文の概要: HACMony: Automatically Testing Hopping-related Audio-stream Conflict Issues on HarmonyOS

• arxiv url: http://arxiv.org/abs/2504.07472v1
• Date: Thu, 10 Apr 2025 05:55:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-11 12:22:30.537439
• Title: HACMony: Automatically Testing Hopping-related Audio-stream Conflict Issues on HarmonyOS
• Title（参考訳）: HACMony: HarmonyOSにおけるホッピング関連オーディオストリーム競合の自動テスト
• Authors: Jinlong He, Binru Huang, Hengqin Yang, Jiwei Yan, Jun Yan,
• Abstract要約: 本稿では,Hopping-related Audio-stream Conflict (HAC) 問題の自動検出手法を提案する。 音声ストリームのためのHarmonyOSのアプリホッピング機構の操作的セマンティクスを初めて形式化した。 この手法をHACMonyというツールで実装し,実世界20のHarmonyOSアプリケーションで評価した。
• 参考スコア（独自算出の注目度）: 3.004737465713101
• License:
• Abstract: HarmonyOS is emerging as a popular distributed operating system for diverse mobile devices. One of its standout features is app-hopping, which allows users to seamlessly transition apps across different HarmonyOS devices. However, when apps playing audio streams hop between devices, they can easily trigger Hopping-related Audio-stream Conflict (HAC) scenarios. Improper resolution of HAC will lead to significant HAC issues, which are harder to detect compared to single-device audio-stream conflicts, due to the unclear semantics of HarmonyOS's app-hopping mechanism and the lack of effective multi-app hopping testing methods. To fill the gap, this paper introduces an automated and efficient approach to detecting HAC issues. We formalized the operational semantics of HarmonyOS's app-hopping mechanism for audio streams for the first time. Leveraging this formalization, we designed an Audio Service Transition Graph (ASTG) to model the behaviors of audio-API-related services and proposed a model-based approach to detect HAC issues automatically. Our techniques were implemented in a tool, HACMony, and evaluated on 20 real-world HarmonyOS apps. Experimental results reveal that 11 of the 20 apps exhibit HAC issues. Additionally, we summarized the detected issues into two typical types, namely MOD and MOR, and analyzed their characteristics to assist and guide both app and OS developers.
• Abstract（参考訳）: HarmonyOSは、多様なモバイルデバイス向けの人気のある分散オペレーティングシステムとして登場しつつある。 注目すべき機能の一つがアプリホッピングで、ユーザーはさまざまなHarmonyOSデバイス間でシームレスにアプリを移行できる。 しかし、デバイス間でオーディオストリームを再生するアプリは、Hopping関連のAudio-stream Conflict(HAC)シナリオを簡単にトリガーできる。 HarmonyOSのアプリホッピング機構の不明なセマンティクスと効果的なマルチアプリホッピングテスト方法の欠如により、単一デバイスオーディオストリームの競合に比べて検出が難しい。 このギャップを埋めるために,HAC問題の自動検出手法を提案する。 音声ストリームのためのHarmonyOSのアプリホッピング機構の操作的セマンティクスを初めて形式化した。 この形式化を活用して、オーディオAPI関連サービスの振る舞いをモデル化するオーディオサービス遷移グラフ(ASTG)を設計し、HAC問題を自動的に検出するためのモデルベースアプローチを提案した。 この手法をHACMonyというツールで実装し,実世界20のHarmonyOSアプリケーションで評価した。 実験の結果、20のアプリのうち11がHACの問題を示していることが判明した。 さらに,検出された問題をMODとMORという2つの典型的なタイプにまとめ,その特性を分析して,アプリ開発者とOS開発者の支援と指導を行った。

関連論文リスト

• Where are we in audio deepfake detection? A systematic analysis over generative and detection models [59.09338266364506]
  SONARはAI-Audio Detection FrameworkとBenchmarkの合成である。 最先端のAI合成聴覚コンテンツを識別するための総合的な評価を提供する。 従来のモデルベース検出システムと基礎モデルベース検出システムの両方で、AIオーディオ検出を均一にベンチマークする最初のフレームワークである。
  論文  参考訳（メタデータ） (2024-10-06T01:03:42Z)
• EchoTrack: Auditory Referring Multi-Object Tracking for Autonomous Driving [64.58258341591929]
  聴覚参照マルチオブジェクトトラッキング(AR-MOT)は、自律運転において難しい問題である。 私たちは、デュアルストリーム・ビジョン・トランスフォーマーを備えたエンドツーエンドのAR-MOTフレームワークであるEchoTrackを提案しました。 大規模AR-MOTベンチマークの最初のセットを確立する。
  論文  参考訳（メタデータ） (2024-02-28T12:50:16Z)
• Centre Stage: Centricity-based Audio-Visual Temporal Action Detection [26.42447737005981]
  我々は,2つのモードを融合させるために,マルチスケールのクロスアテンションを用いて,オーディオモダリティを組み込む戦略を探求する。 本稿では,アクションセンタへのタイムステップの近さを推定する新しいネットワークヘッドを提案し,その中心性スコア(centity score)と呼ぶ。
  論文  参考訳（メタデータ） (2023-11-28T03:02:00Z)
• Robust Wake-Up Word Detection by Two-stage Multi-resolution Ensembles [48.208214762257136]
  オーディオストリームのリアルタイム処理のための軽量オンデバイスモデルと、サーバ側の検証モデルである。 プライバシーを保護するため、オーディオ機能は生のオーディオではなくクラウドに送られる。
  論文  参考訳（メタデータ） (2023-10-17T16:22:18Z)
• High-Fidelity Speech Synthesis with Minimal Supervision: All Using Diffusion Models [56.00939852727501]
  最小教師付き音声合成は、2種類の離散音声表現を組み合わせることでTSを分離する。 非自己回帰フレームワークは、制御可能性を高め、持続拡散モデルは、多様化された韻律表現を可能にする。
  論文  参考訳（メタデータ） (2023-09-27T09:27:03Z)
• Audio Tagging on an Embedded Hardware Platform [20.028643659869573]
  Raspberry Piなどのハードウェアにデプロイした場合,大規模な事前学習型オーディオニューラルネットワークの性能がどう変化するかを分析する。 実験の結果,連続したCPU使用量によって温度が上昇し,自動減速機構が起動できることが判明した。 マイクの品質、特にGoogle AIY Voice Kitのような安価なデバイスや音声信号のボリュームは、システムのパフォーマンスに影響を与えます。
  論文  参考訳（メタデータ） (2023-06-15T13:02:41Z)
• Taming Diffusion Models for Audio-Driven Co-Speech Gesture Generation [41.292644854306594]
  DiffGesture (DiffGesture) という,拡散に基づく新しいフレームワークを提案する。 DiffGestureは、より優れたモードカバレッジとより強力なオーディオ相関を備えたコヒーレントなジェスチャーをレンダリングする、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-03-16T07:32:31Z)
• Rethinking Audio-visual Synchronization for Active Speaker Detection [62.95962896690992]
  アクティブ話者検出(ASD)に関する既存の研究は、アクティブ話者の定義に一致しない。 本稿では,アテンションモジュールに位置符号化を適用し,教師付きASDモデルに適用し,同期キューを活用することを提案する。 実験結果から,既存モデルの制限に対処して,非同期音声を発話しないものとして検出できることが示唆された。
  論文  参考訳（メタデータ） (2022-06-21T14:19:06Z)
• Task 1A DCASE 2021: Acoustic Scene Classification with mismatch-devices using squeeze-excitation technique and low-complexity constraint [4.4973334555746]
  音響シーン分類(ASC)は、機械聴取の分野で最も一般的な問題の一つである。 本報告のサブタスクは、モデルの複雑さによって制約されるASC問題に対応する。 具体的には,ガマモントンフィルタバンクを用いた音声の二次元表現と畳み込みニューラルネットワークという2つのステップに基づくシステムを提案する。
  論文  参考訳（メタデータ） (2021-07-30T14:24:45Z)
• DIRV: Dense Interaction Region Voting for End-to-End Human-Object Interaction Detection [53.40028068801092]
  本稿では,HOI問題に対するインタラクション領域という新しい概念に基づいて,新しい一段階HOI検出手法を提案する。 従来の手法とは異なり,本手法は人-物対ごとに異なるスケールにわたる密集した相互作用領域に焦点をあてる。 単一相互作用領域の検出欠陥を補うために,我々は新しい投票戦略を導入する。
  論文  参考訳（メタデータ） (2020-10-02T13:57:58Z)

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。