論文の概要: Beyond task performance: Decoding bioacoustic embeddings with speech features

• arxiv url: http://arxiv.org/abs/2606.14662v1
• Date: Fri, 12 Jun 2026 17:31:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:43.0123
• Title: Beyond task performance: Decoding bioacoustic embeddings with speech features
• Title（参考訳）: タスクパフォーマンスを超えて:音声特徴を用いた生体音響埋め込みの復号
• Authors: Ines Nolasco, Jules Cauzinille, Marius Miron, Gagan Narula, Milad Alizadeh, Emmanuel Fernandez, Matthieu Geist, Ellen Gilsenan-McMahon, Olivier Pietquin, Emmanuel Chemla, Sara Keen,
• Abstract要約: 生体音響表現においてどの音声的特徴が符号化されているかを示す。 完全な機能領域をキャプチャするモデルはひとつもありません。 生体音響学におけるデータ駆動モデル選択指導法を導出する。
• 参考スコア（独自算出の注目度）: 28.454975290550262
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Pretrained audio embeddings are standard in bioacoustics, yet little is known about which acoustic features these models encode, nor which are useful for a given task. This hinders transparency and limits extension to rare species or data-scarce domains. Here we reveal which speech-like features are encoded in bioacoustic representations. Using the 88~eGeMAPS features across six taxonomic groups, we apply linear and nonlinear regression probes to quantify which acoustic properties each model captures. Results confirm a ``no free lunch'' pattern: no single model captures the full feature space. A concatenated embedding achieves the highest performance, suggesting complementary acoustic space coverage across models. Loudness features are best encoded ($R^2 = 0.76$) while F0 is hardest to recover ($R^2 = 0.33$). By cross-referencing recoverability with per-species feature salience (NMI), we derive data-driven model selection guidance for bioacoustics.
• Abstract（参考訳）: 事前訓練されたオーディオ埋め込みは生体音響学において標準的なものであるが、これらのモデルがどの音響的特徴を符号化しているかは分かっていない。 これにより透明性が損なわれ、希少な種やデータスカースドメインへの拡張が制限される。 ここでは,どの音声特徴が生体音響表現に符号化されているかを明らかにする。 6つの分類群にまたがる88~eGeMAPS特徴を用いて,各モデルが取得する音響特性の定量化に線形および非線形回帰プローブを適用した。 結果は ``no free lunch'' パターンを確認している。 結合埋め込みは最高の性能を達成し、モデル間の補音空間カバレッジを示唆する。 ラウドネス機能は最もよく符号化される(R^2 = 0.76$)が、F0は最も回復が難しい(R^2 = 0.33$)。 種ごとの特徴的サリエンス (NMI) を相互参照することで, バイオ音響学におけるデータ駆動型モデル選択指導法を導出する。

関連論文リスト

• Masked Autoencoders with Limited Data: Does It Work? A Fine-Grained Bioacoustics Case Study [20.469464200788583]
  Masked Autoencoders (MAE) は大規模な音声コーパスに強い伝達性を示す。 iNatSoundsの種分類におけるMAE事前学習の系統的研究を行った。 以上の結果から,中程度に微粒な生体音響条件下では,事前学習の規模が主観的な設計を担っていることが示唆された。
  論文  参考訳（メタデータ） (2026-05-13T18:45:08Z)
• Smart Passive Acoustic Monitoring: Embedding a Classifier on AudioMoth Microcontroller [0.0]
  本稿では,AudioMothマイクロコントローラに直接分類器を埋め込むことで,音像をその場で解析できるスマートPAMシステムを提案する。 具体的には、1次元畳み込みニューラルネットワーク(1D-CNN)を最適化し、生音声を分類する。 このモデルは、Scopoli Shearwater seabirds(絶滅危惧種)の特定の呼び出しに焦点を当て、分類精度91%の現実世界のデータセットで訓練されている。
  論文  参考訳（メタデータ） (2026-05-05T06:37:35Z)
• Beyond Transcription: Unified Audio Schema for Perception-Aware AudioLLMs [53.41256816230278]
  最近のオーディオ大言語モデル(AudioLLMs)は、顕著な性能逆転を示す。 複雑な推論タスクには優れるが、音の微妙な知覚では一貫して性能が劣る。 音声情報を3つの明示的な構成要素に整理する総合的かつ構造化された監視フレームワークであるUnified Audio (UAS)を提案する。
  論文  参考訳（メタデータ） (2026-04-14T09:30:12Z)
• Synthio: Augmenting Small-Scale Audio Classification Datasets with Synthetic Data [69.7174072745851]
  音声分類データセットを合成データで拡張する新しい手法であるSynthioを提案する。 最初の課題を克服するために、好みの最適化を用いて、T2Aモデルの世代と小規模データセットを整列する。 2つ目の課題に対処するために,大規模言語モデルの推論能力を活用する新しいキャプション生成手法を提案する。
  論文  参考訳（メタデータ） (2024-10-02T22:05:36Z)
• Real Acoustic Fields: An Audio-Visual Room Acoustics Dataset and Benchmark [65.79402756995084]
  Real Acoustic Fields (RAF)は、複数のモードから実際の音響室データをキャプチャする新しいデータセットである。 RAFは密集した室内音響データを提供する最初のデータセットである。
  論文  参考訳（メタデータ） (2024-03-27T17:59:56Z)
• Exploring Meta Information for Audio-based Zero-shot Bird Classification [113.17261694996051]
  本研究では,メタ情報を用いてゼロショット音声分類を改善する方法について検討する。 我々は,多種多様なメタデータが利用可能であることから,鳥種を例として用いている。
  論文  参考訳（メタデータ） (2023-09-15T13:50:16Z)
• Deep Active Audio Feature Learning in Resource-Constrained Environments [3.789219860006095]
  ラベル付きデータの不足により、バイオ音響アプリケーションにおけるDeep Neural Network(DNN)モデルのトレーニングが困難になる。 アクティブラーニング(AL)は、ラベル付けの労力をほとんど必要とせず、この学習を支援するアプローチである。 本稿では,ALループに特徴抽出を組み込んだALフレームワークについて述べる。
  論文  参考訳（メタデータ） (2023-08-25T06:45:02Z)

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。