論文の概要: Adaptive Loss Balancing for Multi-Task Bioacoustic Classification of Bird Species and Call Types

• arxiv url: http://arxiv.org/abs/2607.03304v1
• Date: Fri, 03 Jul 2026 13:16:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.586629
• Title: Adaptive Loss Balancing for Multi-Task Bioacoustic Classification of Bird Species and Call Types
• Title（参考訳）: 鳥種と鳴き声の多面的バイオ音響分類のための適応的損失バランス
• Abstract要約: 我々は,Long-tailed WiWaデータセット上で,共同種のBirdCallNetを拡張し,コールタイプ分類を行った。 鳥ドメインエンコーダを4種類評価し, 線形探索, 注意探索, フル微調整を行った。
• 参考スコア（独自算出の注目度）: 1.03520324742358
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable analysis of bird vocalisations in passive acoustic monitoring requires models handling multiple, imbalanced annotation targets. We extend BirdCallNet for joint species and call-type classification on the long-tailed WiWa dataset and investigate how task-loss balancing interacts with pretrained representations and adaptation depth. We evaluate four bird-domain encoders, ConvNeXtBS, EAT, BirdMAE, and ProtoCLR, with separate species and call-type heads under linear probing, attentive probing, and full fine-tuning. A manually tuned fixed objective is compared with homoscedastic uncertainty weighting and Dynamic Weight Averaging across all three adaptation regimes, while GradNorm is evaluated only under full fine-tuning. Results indicate that the factorised multi-task formulation yields the most consistent improvements over the combined single-task baseline for call-type recognition, while its effect on species recognition depends on the adaptation regime. Full fine-tuning is not consistently optimal: ConvNeXtBS achieves the highest mean species performance under linear probing, whereas BirdMAE provides the strongest call-type performance under attentive probing. Adaptive weighting benefits species recognition more consistently than call-type recognition. Uncertainty weighting is particularly effective for species recognition under attentive probing, whereas Dynamic Weight Averaging is generally stronger for the same task under full fine-tuning. GradNorm achieves competitive call-type performance for selected backbones but consistently underperforms other weighting strategies for species recognition and incurs higher computational and memory costs. Overall, the preferred loss-balancing strategy depends on the backbone, adaptation regime, and target task, while frozen-backbone adaptation can provide a more favourable performance-efficiency trade-off than end-to-end fine-tuning.
• Abstract（参考訳）: 受動的音響モニタリングにおける鳥の声化の信頼性解析には、複数の不均衡なアノテーションターゲットを扱うモデルが必要である。 我々は,Long-tailed WiWaデータセット上で,共同種に対するBirdCallNetを拡張し,タスクロスバランスが事前訓練された表現や適応深さとどのように相互作用するかを検討する。 本研究では,4種の鳥ドメインエンコーダ(ConvNeXtBS,EAT,BirdMAE,ProtoCLR)を,線形探索,注意探索,フル微調整の下で異なる種と呼び出し型ヘッドを用いて評価した。 手動で調整した固定目標を、すべての3つの適応方式におけるホモシステマティックな不確実性重み付けと動的ウェイト平均化と比較する一方、GradNormは完全な微調整の下でのみ評価される。 その結果, 因子化マルチタスクの定式化は, 単一タスクベースラインを組み合わしたコール型認識よりも一貫した改善が得られ, 種認識への影響は適応様式に依存することがわかった。 ConvNeXtBSは線形探査において最も高い平均種性能を達成し、一方BirdMAEは注意探索において最も強力な呼び出し型性能を提供する。 適応重み付けは、呼び出し型認識よりも、種認識が一貫して恩恵を受ける。 不確かさの重み付けは、注意深い探究の下での種認識に特に有効であるが、動的体重平均化は、完全な微調整下での同じタスクに対して一般的に強い。 GradNormは、選択されたバックボーンに対する競合的なコールタイプのパフォーマンスを達成するが、種認識のための他の重み付け戦略を一貫して過小評価し、より高い計算とメモリコストを発生させる。 全体として、好まれる損失分散戦略は、バックボーン、適応体制、ターゲットタスクに依存し、一方、凍結されたバックボーン適応は、エンドツーエンドの微調整よりも、より好ましいパフォーマンス効率のトレードオフを提供する。

関連論文リスト

• Tail-Aware Adaptive-k: Query-Adaptive Context Selection for Retrieval-Augmented Generation [0.9786690381850356]
  極値理論(EVT)を局所的検証戦略により運用するトレーニングフリーフレームワークであるTail-Aware Adaptive-k(TAA-k)を提案する。 軽度モノトン確率比の仮定の下では、TAA-kは最初期のノイズ支配位置に対応する安定なクエリ適応カットオフが得られる。 WebQuestions、2WikiMultiHopQA、MuSiQueの実験では、TAA-kが2-3%のオラクルの2-3%の範囲で、大域的なEVT法よりも高い精度で、ニアオラクルに近い検索品質(F1)を達成することを示した。
  論文  参考訳（メタデータ） (2026-06-10T10:37:19Z)
• Toward Optimal Sampling Rate Selection and Unbiased Classification for Precise Animal Activity Recognition [10.741458442311362]
  個人ビヘイビア・アウェア・ネットワーク (IBA-Net) は、個人ビヘイビア・アウェア・ネットワーク (IBA-Net) である。 IBA-Netは複数のサンプリングレートからデータを抽出し、様々な動物の行動に合わせてカスタマイズされた特徴をキャプチャする。 我々は,ヤギ,牛,馬の行動認識に関する3つの公開データセットの実験を行った。
  論文  参考訳（メタデータ） (2026-04-01T06:02:58Z)
• BROTHER: Behavioral Recognition Optimized Through Heterogeneous Ensemble Regularization for Ambivalence and Hesitancy [39.407739937584104]
  自然主義的なビデオ設定におけるA/H(Ambivalence and Hesitancy)は、感情コンピューティングにおいて重要な課題である。 ビデオレベルでのA/H予測のために,高度に正規化されたマルチモーダル融合パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-03-15T12:53:41Z)
• K-Sort Eval: Efficient Preference Evaluation for Visual Generation via Corrected VLM-as-a-Judge [51.93484138861584]
  視覚生成モデルの急速な開発により、よりスケーラブルで人間に合わせた評価方法の必要性が高まっている。 K-Sort Evalは,後方補正と動的マッチングを統合した信頼性と効率的なVLMに基づく評価フレームワークである。 実験の結果、K-Sort EvalはK-Sort Arenaと一致した評価結果を提供する。
  論文  参考訳（メタデータ） (2026-02-10T05:07:46Z)
• Anchoring Values in Temporal and Group Dimensions for Flow Matching Model Alignment [61.80228667422234]
  VGPOは時間次元とグループ次元の両方で値の推定を再定義する。 スパース端末の報酬を密度の高いプロセス認識値推定に変換する。 標準群正規化を絶対値によって強化された新しいプロセスに置き換え、安定した最適化信号を維持する。
  論文  参考訳（メタデータ） (2025-12-13T16:31:26Z)
• Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
  アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。 大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。 本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
  論文  参考訳（メタデータ） (2025-10-08T10:09:47Z)
• Can Masked Autoencoders Also Listen to Birds? [2.430300340530418]
  Masked Autoencoders (MAEs) は、効率的な自己教師型再構成タスクを通じて、音声分類におけるリッチな意味表現を学習する。 汎用モデルは、きめ細かいオーディオドメインに直接適用しても、うまく一般化できない。 この領域ギャップを埋めるには、ドメイン固有の事前学習データだけでなく、完全なパイプライン適応が必要です。
  論文  参考訳（メタデータ） (2025-04-17T12:13:25Z)
• On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
  エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。 推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。 本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
  論文  参考訳（メタデータ） (2025-04-02T17:40:47Z)
• SeWA: Selective Weight Average via Probabilistic Masking [51.015724517293236]
  より良く、より高速な収束を達成するためには、ほんの数ポイントしか必要としないことを示す。 離散選択問題を連続的な部分集合最適化フレームワークに変換する。 両凸画像チェックポイントの値よりもシャープなSeWAの安定性境界を導出する。
  論文  参考訳（メタデータ） (2025-02-14T12:35:21Z)
• Advanced Framework for Animal Sound Classification With Features Optimization [35.2832738406242]
  一般的な動物音響分類に適用可能な自動分類フレームワークを提案する。 提案手法は,精度,リコール,精度を25%以上向上させる。
  論文  参考訳（メタデータ） (2024-07-03T18:33:47Z)
• Balanced Classification: A Unified Framework for Long-Tailed Object Detection [74.94216414011326]
  従来の検出器は、分類バイアスによる長期データを扱う際の性能劣化に悩まされる。 本稿では,カテゴリ分布の格差に起因する不平等の適応的是正を可能にする,BAlanced CLassification (BACL) と呼ばれる統一フレームワークを提案する。 BACLは、さまざまなバックボーンとアーキテクチャを持つさまざまなデータセット間で、一貫してパフォーマンス改善を実現している。
  論文  参考訳（メタデータ） (2023-08-04T09:11:07Z)
• Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching [77.133400999703]
  相関に基づくステレオマッチングは優れた性能を達成した。 固定モデルによる現在のメソッドは、さまざまなデータセットで均一に動作しない。 本稿では,ロバストなステレオマッチングのための相関を動的に計算する新しい視点を提案する。
  論文  参考訳（メタデータ） (2023-07-26T09:47:37Z)

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。