論文の概要: Beyond Binary: Speech Representations Across the Cognitive Score Hierarchy

• arxiv url: http://arxiv.org/abs/2605.27189v1
• Date: Tue, 26 May 2026 15:40:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:42.38916
• Title: Beyond Binary: Speech Representations Across the Cognitive Score Hierarchy
• Title（参考訳）: バイナリを超えて:認知スコア階層全体の音声表現
• Authors: Serli Kopar, Roshan Prakash Rane, Christian Mychajliw, Lydia Federmann, Gerhard Eschweiler, Daniela Berg, Sam Gijsen, Paula Andrea Perez-Toro, Kerstin Ritter,
• Abstract要約: 課題,領域,世界レベルという3つのスコアレベルにまたがる6つの認知タスクを評価した。 その結果、SSL表現は一般的に手作りの特徴を低いレベルで上回っているが、この傾向はMCI分類では逆であることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study examines the relationship between speech representations and the hierarchical structure of cognitive assessment in mild cognitive impairment. Utilizing 5,754 German neuropsychological assessment recordings, we evaluate six cognitive tasks across three score levels: task, domain, and global levels. We compare hand-crafted acoustic features with self-supervised learning (SSL) embeddings. Results show that although SSL representations generally outperform hand-crafted features at lower levels, this trend reverses for MCI classification. Furthermore, task-specific constraints influence performance: tasks with greater response freedom exhibit performance dilution as hierarchical levels increase, suggesting ``specialist'' representations, whereas the performance of highly structured tasks increases toward higher levels, suggesting ``generalist'' representations. These findings show links between task constraints and assessment hierarchy in automated clinical speech analysis.
• Abstract（参考訳）: 本研究では,軽度認知障害における音声表現と認知評価の階層構造との関係について検討した。 ドイツの5,754件の神経心理学的評価記録を用いて,タスク,ドメイン,グローバルレベルという3つのスコアレベルにわたる6つの認知タスクを評価した。 我々は手作り音響特徴と自己教師あり学習(SSL)の埋め込みを比較した。 その結果、SSL表現は一般的に手作りの特徴を低いレベルで上回っているが、この傾向はMCI分類では逆であることがわかった。 さらに、タスク固有の制約はパフォーマンスに影響を与える: 応答の自由度が高いタスクは階層的なレベルが増加するにつれてパフォーマンスの希薄化を示し、「特殊主義者」の表現を示唆する一方で、高度に構造化されたタスクのパフォーマンスはより高いレベルに向かって増加し、「一般主義者」の表現を示唆する。 これらの結果から,自動音声分析における課題制約と評価階層の関係が示唆された。

関連論文リスト

• Interactive ASR: Towards Human-Like Interaction and Semantic Coherence Evaluation for Agentic Speech Recognition [52.63676763985825]
  トークンレベルの精度を超えた認識品質を評価するための意味認識評価指標を提案する。 我々は,人間のようなマルチターンインタラクションをシミュレートするエージェント・フレームワークを設計し,認識出力の反復的改善を可能にする。 対話型およびエージェント型ASRにおける今後の研究を促進するためのコードをリリースする。
  論文  参考訳（メタデータ） (2026-04-10T09:02:42Z)
• A Neuropsychologically Grounded Evaluation of LLM Cognitive Abilities [23.297279975389188]
  大規模言語モデル(LLM)は10ベンチマークで統一された「一般的な要素」の能力を示す。 本稿では,3つの適応型神経心理学検査を基礎としたNeuroCognitionベンチマークを紹介する。 評価の結果,モデルがテキスト上で強く機能する一方で,画像のパフォーマンスが低下し,複雑さが増していることが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-03T02:54:58Z)
• Beyond Description: Cognitively Benchmarking Fine-Grained Action for Embodied Agents [52.14392337070763]
  CFG-Benchは、きめ細かな動作インテリジェンスを体系的に評価する新しいベンチマークである。 CFG-Benchは、1,368のキュレートされたビデオと19,562の3つのモダリティからなる質問応答ペアからなる。 CFG-Benchに関する包括的評価から,MLLMの先導者は,物理的相互作用の詳細な指示を生成するのに苦慮していることが明らかとなった。
  論文  参考訳（メタデータ） (2025-11-24T02:02:29Z)
• Toward Automated Cognitive Assessment in Parkinson's Disease Using Pretrained Language Models [7.799870915134572]
  本研究では,カテゴリを自動的に識別する自然言語処理(NLP)モデルを開発し,評価した。 The three model family, a Bio_ClinicalBERT-based span categorization model for nested entity recognition and a fine-tuned Meta-Llama-3-8B-Instruct model。 微調整されたMeta-Llama-3-8B-Instructは、F1スコア全体(0.74マイクロ平均と0.59マクロ平均)を最高に達成し、特に思考や社会的相互作用といった文脈依存のカテゴリで優れている。
  論文  参考訳（メタデータ） (2025-11-11T22:21:36Z)
• Layer-Wise Analysis of Self-Supervised Acoustic Word Embeddings: A Study on Speech Emotion Recognition [54.952250732643115]
  連続表現から派生した長さの固定長特徴である音響単語埋め込み(AWE)について検討し,その利点について検討した。 AWEは以前、音響的識別可能性の把握に有用であることを示した。 以上の結果から,AWEが伝達する音響的文脈が明らかになり,高い競争力を持つ音声認識精度が示された。
  論文  参考訳（メタデータ） (2024-02-04T21:24:54Z)
• Speech Self-Supervised Representations Benchmarking: a Case for Larger Probing Heads [32.45539981205672]
  自己教師付き学習(SSL)は、ラベルなし音声の大きなデータセットを活用して、注釈付きデータの少ない量で印象的なパフォーマンスを達成する。 本研究では,探索ヘッドアーキテクチャの変化によるベンチマーク結果の影響について検討する。
  論文  参考訳（メタデータ） (2023-08-28T09:49:48Z)
• Self-supervised models of audio effectively explain human cortical responses to speech [71.57870452667369]
  我々は、自己教師型音声表現学習の進歩に乗じて、人間の聴覚システムの最先端モデルを作成する。 これらの結果から,ヒト大脳皮質における音声処理の異なる段階に関連する情報の階層構造を,自己教師型モデルで効果的に把握できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-27T22:04:02Z)
• Insights on Neural Representations for End-to-End Speech Recognition [28.833851817220616]
  エンドツーエンド自動音声認識(ASR)モデルは、一般化された音声表現を学習することを目的としている。 相関解析手法を用いたネットワーク類似性の調査は、エンド・ツー・エンドASRモデルでは行われていない。 本稿では,CNN,LSTM,Transformerをベースとしたトレーニングにおいて,レイヤ間の内部ダイナミクスを解析し,検討する。
  論文  参考訳（メタデータ） (2022-05-19T10:19:32Z)
• Probing Linguistic Features of Sentence-Level Representations in Neural Relation Extraction [80.38130122127882]
  ニューラルリレーション抽出(RE)に関連する言語特性を対象とした14の探索タスクを導入する。 私たちは、40以上の異なるエンコーダアーキテクチャと2つのデータセットでトレーニングされた言語的特徴の組み合わせによって学習された表現を研究するためにそれらを使用します。 アーキテクチャによって引き起こされるバイアスと言語的特徴の含意は、探索タスクのパフォーマンスにおいて明らかに表現されている。
  論文  参考訳（メタデータ） (2020-04-17T09:17:40Z)

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。