論文の概要: SPECTRA: Subspace-Preserving Embedding Calibration, Transport, and Replay for Fully Few-Shot Class-Incremental Audio Classification

• arxiv url: http://arxiv.org/abs/2608.25054v1
• Date: Tue, 25 Aug 2026 18:43:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.41469
• Title: SPECTRA: Subspace-Preserving Embedding Calibration, Transport, and Replay for Fully Few-Shot Class-Incremental Audio Classification
• Title（参考訳）: SPECTRA:完全数ショットクラスインクリメンタルオーディオ分類のためのサブスペース保存型埋め込みキャリブレーション,トランスポート,リプレイ
• Abstract要約: フリーズエンコーダ上に3つのコンポーネントを追加するフレームワークであるSPECTRAを提案する。 3つのFFCACベンチマークにおいて、SPECTRAは平均精度を改善し、現在の最先端手法の忘れを少なくする。
• 参考スコア（独自算出の注目度）: 10.046325615622164
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fully few-shot class-incremental audio classification (FFCAC) requires recognizing new sound classes from only a handful of labeled examples per session, without forgetting previously learned classes and without any large base dataset. Existing methods typically freeze a pre-trained audio--language encoder and classify with point prototypes, but they suffer from significant performance degradation throughout the sessions due to generic feature representations. We propose SPECTRA, a framework built on a frozen encoder which adds three components. (i) a lightweight trainable adapter that calibrates the generic embeddings to the task; (ii) subspace feature replay, an exemplar-free anti-forgetting scheme that replays old classes by sampling from the low-rank subspace of their stored features; and (iii) a transductive optimal-transport refinement of prototypes at test time. Our central finding is that the subspace structure of the replay diminishes forgetting and outperforms naive Gaussian replay of equal variance. On three FFCAC benchmarks (NSynth-100, FSC-89, LS-100), SPECTRA improves average accuracy and reduces forgetting over current state-of-the-art methods, and our ablations statistically validate each component.
• Abstract（参考訳）: フルショットのクラスインクリメンタルオーディオ分類(FFCAC)では、セッション毎にラベル付けされた少数の例から新しいサウンドクラスを認識する必要がある。 既存の手法は、訓練済みのオーディオ言語エンコーダをフリーズし、ポイントプロトタイプと分類するが、一般的な特徴表現のためにセッション全体において大きなパフォーマンス劣化に悩まされる。 フリーズエンコーダ上に3つのコンポーネントを追加するフレームワークであるSPECTRAを提案する。 i) タスクへのジェネリック埋め込みを校正する軽量な訓練可能なアダプタ (ii)サブスペースの特徴リプレイ、保存された特徴の低ランク部分空間からサンプリングすることで古いクラスをリプレイする、例のないアンチフォッゲッティングスキーム 三 試験時における試作機のトランスダクティブ最適輸送精錬 我々の中心的な発見は、リプレイの部分空間構造が忘れを減らし、ガウス的リプレイの等ばらつきを和らげることである。 3つのFFCACベンチマーク(NSynth-100, FSC-89, LS-100)において、SPECTRAは平均精度を向上し、現在の最先端手法の忘れを低減し、各コンポーネントを統計的に検証する。

関連論文リスト

• C-GAP: Class-Aware and Online Prompting Improves Vision-Language Models on Imbalanced Classes [0.0]
  本稿では,C-GAPキャプションガイドによる拡張とプロンプティングについて紹介する。 C-GAPは、マイノリティクラスの平均精度をベースラインよりも最大53%向上させる。 COCOでは、C-GAPはコンポジットベースライン(17.69-> 32.09)に比べて、マイノリティクラスAP@0.5を81%改善する
  論文  参考訳（メタデータ） (2026-07-10T00:24:41Z)
• Making the Most of Limited Data: Score-Aware Training for Text-to-Music Generation [1.0323063834827415]
  最先端のテキストから音楽への生成システムは、膨大なプロプライエタリなデータセットと産業規模の計算に依存している。 本稿では、パイプライン全体を通して直接監視信号として、音声キャプチャアライメントスコアを扱うテキストスコア認識トレーニングを提案する。
  論文  参考訳（メタデータ） (2026-06-05T15:24:36Z)
• Representation-Regularized Convolutional Audio Transformer for Audio Understanding [53.092757178419355]
  スクラッチからのブートストラップ表現は計算に高価で、しばしば収束するために広範囲のトレーニングを必要とします。 本稿では,これらの課題に対処するための統合フレームワークであるConvolutional Audio Transformer (CAT)を提案する。
  論文  参考訳（メタデータ） (2026-01-29T12:16:19Z)
• Proposal Distribution Calibration for Few-Shot Object Detection [65.19808035019031]
  few-shot object detection (FSOD)では、重度のサンプル不均衡を軽減するために、2段階の訓練パラダイムが広く採用されている。 残念ながら、極端なデータ不足は、提案の分布バイアスを増大させ、RoIヘッドが新しいクラスに進化するのを妨げます。 本稿では,RoIヘッドのローカライゼーションと分類能力を高めるために,単純かつ効果的な提案分布キャリブレーション(PDC)手法を提案する。
  論文  参考訳（メタデータ） (2022-12-15T05:09:11Z)
• Improved Zero-Shot Audio Tagging & Classification with Patchout Spectrogram Transformers [7.817685358710508]
  Zero-Shot(ZS)学習は、適応可能なクラス記述に基づいてクラスを予測することによって制約を克服する。 本研究では,ZS学習における自己注意型音声埋め込みアーキテクチャの有効性について検討する。
  論文  参考訳（メタデータ） (2022-08-24T09:48:22Z)
• 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)
• Prototypical Classifier for Robust Class-Imbalanced Learning [64.96088324684683]
  埋め込みネットワークに付加的なパラメータを必要としないtextitPrototypealを提案する。 プロトタイプは、訓練セットがクラス不均衡であるにもかかわらず、すべてのクラスに対してバランスと同等の予測を生成する。 我々は, CIFAR-10LT, CIFAR-100LT, Webvision のデータセットを用いて, プロトタイプが芸術の状況と比較した場合, サブスタンスの改善が得られることを検証した。
  論文  参考訳（メタデータ） (2021-10-22T01:55:01Z)
• Contrastive Prototype Learning with Augmented Embeddings for Few-Shot Learning [58.2091760793799]
  拡張埋め込み(CPLAE)モデルを用いた新しいコントラスト型プロトタイプ学習を提案する。 クラスプロトタイプをアンカーとして、CPLは、同じクラスのクエリサンプルを、異なるクラスのサンプルを、さらに遠くに引き出すことを目的としている。 いくつかのベンチマークによる大規模な実験により,提案したCPLAEが新たな最先端を実現することが示された。
  論文  参考訳（メタデータ） (2021-01-23T13:22:44Z)
• Towards Better Object Detection in Scale Variation with Adaptive Feature Selection [3.5352273012717044]
  チャネル次元の多レベル表現を融合する方法を自動学習する新しい適応的特徴選択モジュール(AFSM)を提案する。 これは、特徴ピラミッド構造を持つ検出器の性能を著しく向上させる。 クラス不均衡問題に対処するために,クラス対応サンプリング機構(CASM)を提案する。
  論文  参考訳（メタデータ） (2020-12-06T13:41:20Z)
• Ensemble Wrapper Subsampling for Deep Modulation Classification [70.91089216571035]
  受信した無線信号のサブサンプリングは、ハードウェア要件と信号処理アルゴリズムの計算コストを緩和するために重要である。 本稿では,無線通信システムにおけるディープラーニングを用いた自動変調分類のためのサブサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2020-05-10T06:11:13Z)

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。