論文の概要: Cross-Subject Generalization in Decoding Perceived Speech from Non-Invasive Brain Recordings

• arxiv url: http://arxiv.org/abs/2608.22420v1
• Date: Sun, 23 Aug 2026 13:50:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.76424
• Title: Cross-Subject Generalization in Decoding Perceived Speech from Non-Invasive Brain Recordings
• Title（参考訳）: 非侵襲的脳記録からの認識音声の符号化におけるクロスオブジェクト一般化
• Abstract要約: Cross-Subject Perceived Speech Decoding (CPSD)フレームワークは、ソースモデル事前学習と個人特殊化の2つのトレーニングステージで構成されている。 異なるモーダル性や言語を含む3つの認識音声ニューラルデータセットに対して,提案したCPSDフレームワークを評価する。
• 参考スコア（独自算出の注目度）: 15.534690723438231
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Decoding perceived speech from non-invasive brain recordings has garnered significant attention in recent years due to its wide range of potential applications. However, existing methods face considerable challenges in cross-subject decoding, primarily due to limited generalizability and the absence of explicit mechanisms for extracting subject-consistent information. These limitations result in high training costs and suboptimal decoding performance. To address these challenges, we propose an innovative Cross-Subject Perceived Speech Decoding (CPSD) framework, which comprises two training stages: source model pre-training and personal specialization. In the source model pre-training stage, contrastive learning is employed to capture shared representations across multiple source subjects. Subsequently, personal specialization initializes the model for the target subject by extracting consistent components from the source model and fine-tuning it using target subject data. Additionally, we introduce the Positional Encoding-based Spatial Attention (PESA) module, which remaps MEG/EEG data into a standardized reference space, thereby enhancing cross-subject consistency and facilitating model training. We evaluate the proposed CPSD framework on three perceived speech neural datasets encompassing different modalities and languages. The results demonstrate that our framework outperforms baseline methods by more than 6.8%, 15.4%, and 15.8% in Top-10 accuracy on the Armeni 2022, PKUEEG 2025, and Broderick 2018 datasets, respectively. Further analyses confirm the effectiveness, efficiency, and robustness of the proposed approach.
• Abstract（参考訳）: 非侵襲的な脳波記録から知覚音声を復号する手法は、その幅広い応用により近年大きな注目を集めている。 しかし、既存の手法は、主に限定的な一般化可能性と、主観的情報抽出のための明示的なメカニズムが欠如していることから、クロスオブジェクトデコーディングにおいてかなりの課題に直面している。 これらの制限は、高いトレーニングコストと準最適復号性能をもたらす。 これらの課題に対処するために、ソースモデル事前学習と個人特殊化という2つの訓練段階を含む、革新的なクロスオブジェクト知覚音声復号(CPSD)フレームワークを提案する。 ソースモデル事前学習の段階では、複数のソースオブジェクト間で共有表現をキャプチャするためにコントラスト学習を用いる。 その後、個人専門化は、ソースモデルから一貫したコンポーネントを抽出し、対象対象データを用いて微調整することにより、対象対象のモデルを初期化する。 さらに, MEG/EEGデータを標準化された参照空間に再マップし, オブジェクト間の整合性を向上し, モデルトレーニングを容易にする, 位置エンコーディングに基づく空間アテンション(PESA)モジュールを導入する。 異なるモーダル性や言語を含む3つの認識音声ニューラルデータセットに対して,提案したCPSDフレームワークを評価する。 その結果、我々のフレームワークはArmeni 2022、PKUEEG 2025、Broderick 2018データセットのTop-10精度で、それぞれ6.8%、15.4%、15.8%以上のベースラインメソッドを上回りました。 さらに,提案手法の有効性,効率,ロバスト性を検証した。

関連論文リスト

• Something from Nothing: Data Augmentation for Robust Severity Level Estimation of Dysarthric Speech [69.86604856129883]
  外科的音声品質評価(DSQA)は臨床診断と包括的音声技術において重要である。 本研究では,未ラベルの変形音声と大規模典型的な音声データセットを併用した3段階のフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-16T23:00:07Z)
• CSLRConformer: A Data-Centric Conformer Approach for Continuous Arabic Sign Language Recognition on the Isharah Datase [0.0]
  本稿では,連続手話認識システムの能力向上に向けた手話非依存認識の課題に対処する。 データ中心の方法論は、体系的な機能エンジニアリング、堅牢な前処理パイプライン、最適化されたモデルアーキテクチャを中心に提案されている。 このアーキテクチャはコンフォーマーモデルのハイブリッドCNN-Transformer設計に適応し、その能力を利用して局所的な時間的依存関係とグローバルなシーケンスコンテキストをモデル化する。
  論文  参考訳（メタデータ） (2025-08-03T14:58:50Z)
• Discrete Markov Bridge [93.64996843697278]
  離散マルコフブリッジと呼ばれる離散表現学習に特化して設計された新しいフレームワークを提案する。 私たちのアプローチは、Matrix LearningとScore Learningの2つの重要なコンポーネントの上に構築されています。
  論文  参考訳（メタデータ） (2025-05-26T09:32:12Z)
• $C^2$AV-TSE: Context and Confidence-aware Audio Visual Target Speaker Extraction [80.57232374640911]
  我々はMask-And-Recover (MAR)と呼ばれるモデルに依存しない戦略を提案する。 MARは、モダリティ間およびモダリティ間コンテキスト相関を統合し、抽出モジュール内の大域的推論を可能にする。 各サンプルの難易度を向上するために, 精細信頼スコア(FCS)モデルを導入する。
  論文  参考訳（メタデータ） (2025-04-01T13:01:30Z)
• Beyond Scaling: Measuring and Predicting the Upper Bound of Knowledge Retention in Language Model Pre-Training [68.94373533768501]
  我々は、知識保持をモデル化し、そのコーパスから事実情報を記憶するための事前学習言語モデルの能力を示し、学習前にそれを推定する原則的手法を導入する。 本稿では,知識周波数,知識特異度,モデルサイズを統合し,クローズドブック質問応答(QA)の精度を予測する情報理論予測器である,サイズ依存型相互情報(SMI)を提案する。
  論文  参考訳（メタデータ） (2025-02-06T13:23:53Z)
• A Survey of Event Causality Identification: Taxonomy, Challenges, Assessment, and Prospects [6.492836595169771]
  事象因果同定(ECI)は自然言語処理(NLP)において重要な課題となっている。 この総合的な調査は、基本的な概念とモデルを体系的に調査し、体系的な分類学を開発し、多様なモデルを批判的に評価する。
  論文  参考訳（メタデータ） (2024-11-15T17:19:42Z)
• Selective Forgetting: Advancing Machine Unlearning Techniques and Evaluation in Language Models [23.101582510545335]
  言語モデルに対する選択的かつきめ細かな未学習を可能にする新しい方法であるSeULを提案する。 我々は2つの革新的な評価指標、感度抽出可能性(S-EL)と感度記憶精度(S-MA)を導入する。 アンラーニングフレームワークをサポートするために,オンラインおよびオフラインのセマンティックスパンアノテーション手法を効率よく提案する。
  論文  参考訳（メタデータ） (2024-02-08T16:50:01Z)
• Deep Representation Learning for Open Vocabulary Electroencephalography-to-Text Decoding [6.014363449216054]
  神経科学に現代的な表現型学習アプローチをもたらす非侵襲的な脳記録のためのエンドツーエンドのディープラーニングフレームワークを提案する。 BLEU-1スコアは42.75%,ROUGE-1-F33.28%,BERTScore-F53.86%で,それぞれ3.38%,8.43%,6.31%であった。
  論文  参考訳（メタデータ） (2023-11-15T08:03:09Z)
• POUF: Prompt-oriented unsupervised fine-tuning for large pre-trained models [62.23255433487586]
  モデルに微調整を施したり、ラベルのないターゲットデータにプロンプトを施したりするための教師なしの微調整フレームワークを提案する。 本稿では,プロンプトとターゲットデータから抽出した離散分布を整列させて,言語拡張視覚とマスキング言語モデルの両方に適用する方法を示す。
  論文  参考訳（メタデータ） (2023-04-29T22:05:22Z)
• Arithmetic-Based Pretraining -- Improving Numeracy of Pretrained Language Models [67.48894919842576]
  最先端の事前訓練された言語モデルは、数式を必要とするタスクにアウト・オブ・ボックスを適用すると、その能力より劣る傾向にある。 本稿では,Arithmetic-Based Pretrainingと呼ばれる拡張事前学習手法を提案する。 本実験は,算数性の向上を必要とする3つのタスクにおいて,算術的事前学習の有効性を示す。
  論文  参考訳（メタデータ） (2022-05-13T16:10:13Z)
• Boosting the Generalization Capability in Cross-Domain Few-shot Learning via Noise-enhanced Supervised Autoencoder [23.860842627883187]
  我々は、新しいノイズ強調型教師付きオートエンコーダ(NSAE)を用いて、特徴分布のより広範なバリエーションを捉えるようモデルに教える。 NSAEは入力を共同で再構築し、入力のラベルと再構成されたペアを予測することによってモデルを訓練する。 また、NSAE構造を利用して、より適応性を高め、対象領域の分類性能を向上させる2段階の微調整手順を提案する。
  論文  参考訳（メタデータ） (2021-08-11T04:45:56Z)
• Unsupervised Paraphrasing with Pretrained Language Models [85.03373221588707]
  教師なし環境で,事前学習した言語モデルを用いて高品質なパラフレーズを生成する訓練パイプラインを提案する。 提案手法は,タスク適応,自己スーパービジョン,動的ブロッキング(Dynamic Blocking)という新しい復号アルゴリズムから構成される。 提案手法は,Quora Question PairとParaNMTの両方のデータセット上で,最先端の性能を達成できることを示す。
  論文  参考訳（メタデータ） (2020-10-24T11:55:28Z)
• Enhancing Dialogue Generation via Multi-Level Contrastive Learning [57.005432249952406]
  質問に対する応答のきめ細かい品質をモデル化するマルチレベルコントラスト学習パラダイムを提案する。 Rank-aware (RC) ネットワークはマルチレベルコントラスト最適化の目的を構築するために設計されている。 本研究では,知識推論(KI)コンポーネントを構築し,学習中の参照からキーワードの知識を抽出し,そのような情報を活用して情報的単語の生成を促す。
  論文  参考訳（メタデータ） (2020-09-19T02:41:04Z)

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。