論文の概要: Cross-lingual Retrieval-Augmented Classification for Dysarthria Severity Assessment

• arxiv url: http://arxiv.org/abs/2606.22910v1
• Date: Mon, 22 Jun 2026 06:51:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 03:40:20.766362
• Title: Cross-lingual Retrieval-Augmented Classification for Dysarthria Severity Assessment
• Title（参考訳）: 難聴度評価のための言語横断検索型分類法
• Abstract要約: 本稿では,異なる言語からの音声をアライメント・リトリーブ・フューズ・パイプラインを通じて活用する言語間検索・拡張分類(CRAC)を提案する。 CRACは韓国で87.3%、イタリア語で86.7%のバランスの取れたアキュラティを達成し、モノリンガルのベースラインをそれぞれ8.4と20.0ポイント改善している。
• 参考スコア（独自算出の注目度）: 8.753759165733852
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic dysarthria severity assessment is limited by the scarcity of labeled pathological speech data. To address this, we propose Cross-lingual Retrieval-Augmented Classification (CRAC), which leverages speech from a different language via an align-retrieve-fuse pipeline. Supervised contrastive learning first shapes a severity-focused embedding space, then a vector database is built from the opposite-language corpus. During both training and inference, the classifier retrieves top-k references from the aligned space and fuses them with the input via cross-attention. Evaluated on Korean post-stroke and Italian ALS dysarthria datasets under a speaker-independent three-class protocol, CRAC achieves balanced accuracies of 87.3% on Korean and 86.7% on Italian, improving over monolingual baselines by 8.4 and 20.0 percentage points, respectively.
• Abstract（参考訳）: ラベル付き病的音声データの不足により, 難聴度の自動評価が制限される。 そこで本稿では,異なる言語からの音声をアライメント・リトリーブ・フューズ・パイプラインを通じて活用するCRAC(Cross-lingual Retrieval-Augmented Classification)を提案する。 教師付きコントラスト学習は、まず重大に焦点をあてた埋め込み空間を形作り、次に、反対言語コーパスからベクトルデータベースを構築する。 トレーニングと推論の両方の間、分類器は整列空間からトップk参照を取得し、クロスアテンションを介して入力と融合する。 話者に依存しない3クラスプロトコルの下で、韓国のポストストロークとイタリアのALSの耐震性データセットに基づいて評価され、CRACは、韓国で87.3%、イタリア語で86.7%、モノリンガルベースラインで8.4と20.0ポイント向上した。

関連論文リスト

• EviSI: An Evidence-Based Evaluation Agent for Simultaneous Interpreting [15.392286631815763]
  EviSIは多次元品質指標(MQM)とプロのインタプリタで開発された基準を組み合わせた大規模言語モデル評価エージェントである。 EviSIは、人格の英語から中国語、中国語、英語のデータに対して、総合的な英語から中国語の人格のランキングを復元する。 人間の評価のない5方向への多言語拡張は、次元とスコアリングルールを保持し、COMETとの正のシステムランキング相関を示す。
  論文  参考訳（メタデータ） (2026-09-08T03:00:11Z)
• IndicQE-APE: A Benchmark for Quality Estimation and Automatic Post-Editing for Indic Languages [77.88427845181154]
  我々はWMT 2020-2024の共有タスクの系統を、英語のリソースを拡張してインディクシーに集約する:9つの方向対に対して126,754ドルのインスタンス。 セグメントレベルのQEでは,LSMが6つ,COMETが3つ,APEでは3つのシステムをベンチマークした。
  論文  参考訳（メタデータ） (2026-08-17T09:50:52Z)
• Inference-Time Steering for Cross-Lingual Factual Consistency in LLMs [51.56484100374058]
  大規模言語モデル(LLM)は目覚ましい多言語流布を示すが、その内部知識表現はハイリソース言語に対して不均等に偏っている。 我々は,これらのバイアスを推論時に緩和できるかどうかを考察し,対象言語でクエリされたかのように,英語の確率モデルに答えるように強制する。 Gemma 3 12Bの実験では、最も強い全体的な介入、効率性のバランス、安全性、ドメイン外の一般化を促すペルソナが明らかにされている。
  論文  参考訳（メタデータ） (2026-07-21T16:15:05Z)
• Unlocking In-Context Learning in Audio-Language Models from Decentralized Medical Audio [9.223303217530464]
  本稿では,テキスト内臨床オーディオ診断のための多モーダル言語モデルフレームワークであるフェデレーション・セルフコンテキスト化(FSC)を提案する。 FSCは音声表現の教師なしクラスタリングを通じて擬似ラベルエピソードを構築し、希少な実ラベルをバイパスする。 保留中の呼吸と心臓の状態では、FSCは2方向の2ショット評価において71.6%の精度を達成し、音声のベースラインを9%以上上回っている。
  論文  参考訳（メタデータ） (2026-06-22T12:28:33Z)
• Adapting Self-Supervised Speech Representations for Cross-lingual Dysarthria Detection in Parkinson's Disease [72.0406069194794]
  音声表現は、しばしば言語に依存した構造を符号化する。 本稿では,ソース言語による自己教師型音声表現とターゲット言語分布とを一致させる表現レベル言語シフトを提案する。 チェコ語,ドイツ語,スペイン語におけるパーキンソン病音声データセットの経口DDK記録に対するアプローチについて検討した。
  論文  参考訳（メタデータ） (2026-03-23T17:23:39Z)
• Cross-Lingual Retrieval Augmented Prompt for Low-Resource Languages [0.6117371161379209]
  低リソース言語におけるゼロショット性能を改善するために,Retrieval Crosslingually Pipelinesによって拡張されたPromptsを提案する。 その結果,一方の言語間移動性能と高次言語と低次言語との類似性の間に有意な正の相関が認められた。 堅牢性分析は、PARCがより強力なMPLMでさらに強力な性能を達成する可能性を示唆している。
  論文  参考訳（メタデータ） (2022-12-19T17:29:37Z)
• Human-in-the-Loop Hate Speech Classification in a Multilingual Context [0.2624902795082451]
  本稿では,新たなHuman-in-the-loop BERTベースのヘイトスピーチ分類パイプラインを導入する。 我々の分類器は、もともとの422k以上のサンプルのコーパスからのデータを使って訓練されており、スイスの本質的に多言語的な設定のために特別に開発されています。
  論文  参考訳（メタデータ） (2022-12-05T09:05:40Z)
• Exploiting Cross-domain And Cross-Lingual Ultrasound Tongue Imaging Features For Elderly And Dysarthric Speech Recognition [55.25565305101314]
  調音機能は音響信号歪みに不変であり、音声認識システムにうまく組み込まれている。 本稿では,A2Aモデルにおける24時間TaLコーパスの並列音声・超音波舌画像(UTI)データを利用したクロスドメインおよびクロスランガルA2Aインバージョン手法を提案する。 生成した調音機能を組み込んだ3つのタスクの実験は、ベースラインのTDNNとコンフォーマーASRシステムより一貫して優れていた。
  論文  参考訳（メタデータ） (2022-06-15T07:20:28Z)
• Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
  事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。 脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
  論文  参考訳（メタデータ） (2022-04-10T21:46:52Z)
• NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
  失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価 本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。 イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
  論文  参考訳（メタデータ） (2021-02-10T13:00:29Z)

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。