論文の概要: FAConformer: Frequency-Aware Convolutional Transformer for Auditory Attention Decoding

• arxiv url: http://arxiv.org/abs/2606.14120v1
• Date: Fri, 12 Jun 2026 04:59:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.754424
• Title: FAConformer: Frequency-Aware Convolutional Transformer for Auditory Attention Decoding
• Title（参考訳）: FAConformer: 聴覚注意復号のための周波数対応畳み込み変換器
• Authors: Ziwei Wang, Xingyi He, Tianwang Jia, Hongbin Wang, Dongrui Wu,
• Abstract要約: AAD (Auditory attention decoding) は、マルチスピーカ音響環境におけるニューラル応答から参加者の話者を推定することを目的としている。 本稿では,AADのための周波数対応CNN-TransformerフレームワークであるFAConformerを提案する。
• 参考スコア（独自算出の注目度）: 17.027365411618057
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Auditory attention decoding (AAD) aims to infer the attended speaker from neural responses in multi-speaker acoustic environments and is a key problem for neuro-steered hearing systems. Although recent studies have achieved encouraging progress, existing AAD models still do not fully exploit frequency domain electroencephalography (EEG) information. In particular, most approaches introduce multi-band information through handcrafted feature extraction or direct cross-band feature concatenation, which mainly exploit frequency information at a shallow level and may overlook band-specific patterns and cross-band interactions. To address these limitations, this paper proposes FAConformer, a frequency-aware CNN-Transformer framework for AAD that explicitly integrates band-specific encoding and adaptive cross-band interaction. Specifically, FAConformer first decomposes EEG signals into multiple frequency bands and assigns each band to an independent CNN-Transformer encoder for band-specific modeling. The resulting band-wise features are then adaptively fused by a carefully designed frequency-aware attention (FAA) module that models cross-band dependencies by treating band-wise features as tokens. Further, band-wise auxiliary supervision (BAS) is introduced to prevent weakly contributing branches from being under-optimized during joint training. In this way, FAConformer performs frequency-aware modeling that more effectively exploits frequency domain information. Extensive experiments on two public AAD datasets with three decision-window lengths demonstrated that FAConformer consistently outperformed 12 competitive baselines, surpassing the current state-of-the-art model by 4.9%. Further analyses of band importance, ablation, and parameter sensitivity verify the effectiveness, robustness, and interpretability of the proposed framework. Code is available at https://github.com/wzwvv/FAConformer.
• Abstract（参考訳）: 聴覚注意復号法 (AAD) は, 多話者音響環境におけるニューラル応答から参加話者を推定することを目的としており, ニューラルステアリングシステムにおいて重要な問題である。 近年の研究は進歩を遂げているが、既存のAADモデルは未だに周波数領域脳波(EEG)情報を十分に活用していない。 特に,手作り特徴抽出や直接クロスバンド特徴結合によるマルチバンド情報の導入は,浅層域での周波数情報の利用が中心であり,帯域固有のパターンや帯域間の相互作用を見落としてしまう可能性がある。 これらの制約に対処するため,AADのための周波数対応CNN-TransformerフレームワークであるFAConformerを提案する。 具体的には、FAConformerはまずEEG信号を複数の周波数帯域に分解し、各帯域を独立したCNN-Transformerエンコーダに割り当て、バンド固有のモデリングを行う。 そして、バンドワイズ機能をトークンとして扱うことで、バンド依存性をモデル化する、慎重に設計された周波数対応アテンション(FAA)モジュールによって、バンドワイズ機能を適応的に融合させる。 さらに、バンドワイド補助監督(BAS)を導入し、関節トレーニング中に弱い貢献の枝が過度に最適化されるのを防ぐ。 このように、FAConformerは周波数ドメイン情報をより効果的に活用する周波数認識モデリングを行う。 3つの意思決定ウィンドウを持つ2つのパブリックAADデータセットに対する大規模な実験により、FAConformerは12の競争ベースラインを一貫して上回り、現在の最先端モデルの4.9%を上回った。 バンド重要度,アブレーション,パラメータ感度のさらなる分析により,提案フレームワークの有効性,堅牢性,解釈可能性について検証した。 コードはhttps://github.com/wzwvv/FAConformer.comから入手できる。

関連論文リスト

• FITMM: Adaptive Frequency-Aware Multimodal Recommendation via Information-Theoretic Representation Learning [14.873780184982003]
  マルチモーダルレコメンデーションのための周波数対応情報理論フレームワークを提案する。 FITMMはグラフ付きアイテム表現を構築し、モダリティワイドスペクトル分解を行い、軽量なバンド内マルチモーダル成分を形成する。 実世界の3つのデータセットの実験では、FITMMは一貫して、高度なベースラインをはるかに上回っている。
  論文  参考訳（メタデータ） (2026-01-30T03:16:54Z)
• FusAD: Time-Frequency Fusion with Adaptive Denoising for General Time Series Analysis [92.23551599659186]
  時系列分析は、金融、医療、産業、気象学などの分野において重要な役割を果たす。 FusADは多様な時系列タスク用に設計された統合分析フレームワークである。
  論文  参考訳（メタデータ） (2025-12-16T04:34:27Z)
• FAIM: Frequency-Aware Interactive Mamba for Time Series Classification [87.84511960413715]
  時系列分類(TSC)は、環境モニタリング、診断、姿勢認識など、多くの実世界の応用において重要である。 本稿では,周波数対応対話型マンバモデルであるFAIMを提案する。 FAIMは既存の最先端(SOTA)手法を一貫して上回り、精度と効率のトレードオフが優れていることを示す。
  論文  参考訳（メタデータ） (2025-11-26T08:36:33Z)
• Frequency-Domain Decomposition and Recomposition for Robust Audio-Visual Segmentation [60.9960601057956]
  本稿では2つの主要なモジュールからなる周波数対応オーディオ・ビジュアルコンポスタ(FAVS)フレームワークを紹介する。 FAVSフレームワークは、3つのベンチマークデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-09-23T12:33:48Z)
• ECHO: Frequency-aware Hierarchical Encoding for Variable-length Signals [8.411477071838592]
  本稿では,周波数位置埋め込みと高度なバンド分割アーキテクチャを組み合わせた新しい基礎モデルECHOを提案する。 本手法は,様々な種類の機械信号データセットを用いて評価する。
  論文  参考訳（メタデータ） (2025-08-20T13:10:44Z)
• Frequency-Adaptive Dilated Convolution for Semantic Segmentation [14.066404173580864]
  本稿では、スペクトル分析の観点から、拡張畳み込みの個々の位相を改善するための3つの戦略を提案する。 周波数適応型拡張畳み込み(FADC)を導入し、局所周波数成分に基づいて空間的に拡散率を調整する。 2つのプラグインモジュールを設計し、有効帯域幅と受容フィールドサイズを直接的に拡張する。
  論文  参考訳（メタデータ） (2024-03-08T15:00:44Z)
• Unified Frequency-Assisted Transformer Framework for Detecting and Grounding Multi-Modal Manipulation [109.1912721224697]
  本稿では、DGM4問題に対処するため、UFAFormerという名前のUnified Frequency-Assisted TransFormerフレームワークを提案する。 離散ウェーブレット変換を利用して、画像を複数の周波数サブバンドに分解し、リッチな顔偽造品をキャプチャする。 提案する周波数エンコーダは、帯域内およびバンド間自己アテンションを組み込んだもので、多種多様なサブバンド内および多種多様なフォージェリー特徴を明示的に集約する。
  論文  参考訳（メタデータ） (2023-09-18T11:06:42Z)
• Diffusion Recommender Model [85.9640416600725]
  そこで我々は,DiffRecと呼ばれる新しい拡散レコメンダモデルを提案し,その生成過程を認知的に学習する。 ユーザインタラクションにおけるパーソナライズされた情報を維持するため、DiffRecは追加のノイズを低減し、画像合成のような純粋なノイズに対するユーザのインタラクションを損なうことを避ける。
  論文  参考訳（メタデータ） (2023-04-11T04:31:00Z)
• Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
  本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。 我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-27T14:25:52Z)

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。