論文の概要: Probing Low-Level Acoustic Attribute Encoding in CLAP Audio Embeddings

• arxiv url: http://arxiv.org/abs/2607.03806v1
• Date: Sat, 04 Jul 2026 10:27:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.72735
• Title: Probing Low-Level Acoustic Attribute Encoding in CLAP Audio Embeddings
• Title（参考訳）: CLAPオーディオ埋め込みにおける低レベル音響属性符号化の提案
• Abstract要約: CLAP音声の埋め込みを探索フレームワークを用いて解析する。 スペクトルセントロイド(SC)と相対ピッチ(RP)を用いて測定した残響符号化(RT60)、ラウドネス(LUFS)、スペクトル含量について検討した。 主な発見は、これらの属性はすべて、検査されたデータセットにまたがるCLAP埋め込み空間から確実に回復可能であることです。
• 参考スコア（独自算出の注目度）: 0.42821598129654453
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Audio foundation models are widely adopted as general-purpose feature extractors, yet the internal structure of their learned representations remains insufficiently understood. In this work, we analyze CLAP audio embeddings through a probing framework, studying the encoding of three fundamental perceptual dimensions: reverberation (RT60), loudness (LUFS), and spectral content, measured via spectral centroid (SC) and relative pitch (RP). Probes of increasing complexity are trained to predict each attribute from frozen embeddings across five datasets spanning noise, speech, monophonic musical notes, and music mixtures. Our primary finding is that all of these attributes are reliably recoverable from the CLAP embedding space across the examined datasets. Within this global picture, two encoding regimes emerge: RT60, LUFS, and RP are approximately linearly encoded, while SC requires non-linear probes. Both regimes generalize across eight additional audio foundation models, with the notable exception that amplitude-invariant architectures discard loudness entirely by construction. The identified linear feature directions are geometrically consistent across datasets for RT60 and LUFS, while highly domain-specific for RP. Finally, we provide a qualitative demonstration of cross-modal consistency, showing that text embeddings of acoustic descriptors align geometrically with the identified RT60 feature direction.
• Abstract（参考訳）: 音声基礎モデルは汎用特徴抽出器として広く採用されているが,その内部構造は十分に理解されていない。 本研究では,探索フレームワークを用いてCLAP音声の埋め込みを分析し,スペクトルセントロイド (SC) と相対ピッチ (RP) を用いて測定した残響 (RT60) , ラウドネス (LUFS) , スペクトル内容の3つの基本知覚次元の符号化について検討する。 複雑さの増大の確率は、ノイズ、音声、モノラル音符、音楽の混合を含む5つのデータセットにまたがる凍結した埋め込みからそれぞれの属性を予測するために訓練される。 主な発見は、これらの属性はすべて、検査されたデータセットにまたがるCLAP埋め込み空間から確実に回復可能であることです。 この全体像の中では、RT60、LUFS、RPの2つの符号化レジームがほぼ線形に符号化され、SCは非線形プローブを必要とする。 どちらの体制も8つのオーディオ基礎モデルにまたがって一般化しており、振幅不変アーキテクチャは建設によって大音量を完全に捨てるという例外は例外である。 同定された線形特徴方向は、RT60とLUFSのデータセット間で幾何的に一致している。 最後に,音響ディスクリプタのテキスト埋め込みが同定されたRT60特徴方向と幾何的に一致していることを示す。

関連論文リスト

• Contour-Guided Spectral Routing for Robust Real-Time Pedestrian Detection [0.0]
  運転シーンにおけるリアルタイム歩行者検出は、3つの複合障害モードによって制約される。 我々は一元化して検出器を定式化する。 emphcontour-guided spectrum routing view
  論文  参考訳（メタデータ） (2026-09-13T08:38:54Z)
• MADS: A Multiview Acoustic Descriptor Set Beyond Standard Spectral Summaries [0.0]
  音声信号の相補的スペクトル,時間的,機械的,構造を捉えるためのコンパクトなディスクリプタセットであるMADS(Multi-view Acoustic Descriptor Set)を紹介する。 ESC-10, ESC-50, MSoSの標準機械学習モデルを用いてMADSを評価し, 従来の手作りベースラインと比較した。
  論文  参考訳（メタデータ） (2026-09-01T06:43:53Z)
• WAVE: Reversing the Guidance Hierarchy for Coarse-to-Fine Guided Depth Super-Resolution [50.15623093332659]
  誘導深度超解像(GDSR)は、通常、畳み込み階層を通してRGB誘導特徴を抽出し、その微細な粗いバイアスを継承する。 本稿では,マルチレベル離散ウェーブレット変換(ML-DWT)を明示的かつ解釈可能な特徴制御機構として導入するWAVEを提案する。 WAVEはサブバンドを利用して、高周波と低周波のコンテンツを別々に処理し、そのソースに誤解を招くRGB色とテクスチャの手がかりをフィルタリングする。
  論文  参考訳（メタデータ） (2026-08-26T02:16:41Z)
• HarmoniAD: Harmonizing Local Structures and Global Semantics for Anomaly Detection [4.679561335065019]
  工業製品品質検査に欠かせない異常検出 既存の手法は、構造意味論的なトレードオフに直面している。 HarmoniADは周波数誘導型デュアルブランチフレームワークである。
  論文  参考訳（メタデータ） (2026-01-01T12:45:45Z)
• SPUR: A Plug-and-Play Framework for Integrating Spatial Audio Understanding and Reasoning into Large Audio-Language Models [62.14165748145729]
  本研究では,空間知覚を伴う大規模オーディオスピーカモデルを備えた,軽量なプラグイン・アプローチであるSPURを紹介する。 SPURは、 (i) チャネルを回転認識、リスナー中心の空間特徴にマッピングし、マルチモーダルアダプタを介して対象のLALMに統合する第1次アンビニクス(FOA)エンコーダと、 (ii) SPUR-Setは、オープンソースのFOA記録を制御されたシミュレーションと組み合わせた空間QAデータセットで、相対方向、標高、距離、および監督された空間推論の重複を強調する。
  論文  参考訳（メタデータ） (2025-11-10T01:29:26Z)
• CLARAE: Clarity Preserving Reconstruction AutoEncoder for Denoising and Rhythm Classification of Intracardiac Electrograms [37.042025337065816]
  CLARAEは1次元エンコーダデコーダである。 高忠実度再構成とコンパクトな64次元潜在表現を実現する。
  論文  参考訳（メタデータ） (2025-09-28T20:39:21Z)
• SoundCompass: Navigating Target Sound Extraction With Effective Directional Clue Integration In Complex Acoustic Scenes [13.103199041728303]
  目標音抽出(TSE)の最近の進歩 : 到着方向から導出した方向手がかり(DoA)を用いて 本稿では,SPIN(Spectral Pairwise Interaction)モジュールを中心とした効果的な指向性情報統合フレームワークSoundを提案する。 SPINは複雑なスペクトログラム領域におけるチャネル間空間相関を捕捉し、マルチチャネル信号で全空間情報を保存する。
  論文  参考訳（メタデータ） (2025-09-23T02:36:39Z)
• 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)
• PAD: Phase-Amplitude Decoupling Fusion for Multi-Modal Land Cover Classification [49.37555541088792]
  位相振幅デカップリング(PAD)は、位相(モダリティ共有)と振幅(モダリティ補完)を分離する周波数対応のフレームワークである。 この研究は、リモートセンシングにおける物理を意識したマルチモーダル融合の新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-04-27T07:21:42Z)
• Low-complexity deep learning frameworks for acoustic scene classification [64.22762153453175]
  音響シーン分類(ASC)のための低複雑さ深層学習フレームワークを提案する。 提案するフレームワークは、フロントエンドのスペクトログラム抽出、オンラインデータ拡張、バックエンドの分類、予測される確率の後期融合の4つの主要なステップに分けることができる。 DCASE 2022 Task 1 Development データセットで実施した実験は,低複雑さの要求を十分に満たし,最も高い分類精度を 60.1% で達成した。
  論文  参考訳（メタデータ） (2022-06-13T11:41:39Z)
• Conditioning Trick for Training Stable GANs [70.15099665710336]
  本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。 我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
  論文  参考訳（メタデータ） (2020-10-12T16:50:22Z)
• Capturing scattered discriminative information using a deep architecture in acoustic scene classification [49.86640645460706]
  本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。 我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。 2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
  論文  参考訳（メタデータ） (2020-07-09T08:32:06Z)

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。