論文の概要: Open-Set Ego-Noise Separation for Legged-Robot Audition via Annotation-Free Adaptation and Pretrained-Model Transfer
- arxiv url: http://arxiv.org/abs/2609.07440v1
- Date: Mon, 07 Sep 2026 12:49:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 00:19:28.627112
- Title: Open-Set Ego-Noise Separation for Legged-Robot Audition via Annotation-Free Adaptation and Pretrained-Model Transfer
- Title（参考訳）: アノテーションフリー適応と事前学習モデルを用いたレッグロボット音声のオープンセット・エゴ・ノイズ分離
- Abstract要約: 本稿では,手足ロボットオーディションのためのオープンセットエゴノイズ分離フレームワークを提案する。
このフレームワークは、事前にクラスが特定されていない環境音を保存しながら、ロボット固有のエゴノイズを除去する。
二足歩行ロボットと四足歩行ロボットによる実験は、信頼性の高いクリップ選択と分離品質および下流タスク性能の改善を示す。
- 参考スコア（独自算出の注目度）: 5.361221195494128
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes an open-set ego-noise separation framework for legged-robot audition via annotation-free adaptation and pretrained-model transfer. The framework removes robot-specific ego-noise while preserving environmental sounds whose classes are not specified in advance. Acoustic sensing provides cues about a robot's surroundings beyond the visual field, but walking-induced ego-noise from footstep impacts, joint-backlash rattling, and motor noise severely contaminates the recordings. The framework first uses RecurGraph to select ego-noise-dominant clips from the unlabeled recordings by aggregating clip embeddings into an embedding centroid and propagating scores over an audio-embedding graph. The selected clips are mixed with diverse environmental sounds from a large-scale sound-event dataset to provide paired mixture--target supervision for open-set separation. Transfer-DiT then adapts a general-purpose zero-shot neural separator to achieve high-fidelity open-set ego-noise separation for the target robot. Experiments with bipedal and quadrupedal robots show reliable clip selection and improvements in separation quality and downstream task performance over baseline separators. These results demonstrate the feasibility of annotation-free adaptation without separately recorded ego-noise-only data or manual clip-level annotations.
- Abstract（参考訳）: 本稿では,アノテーションなし適応と事前学習モデル転送による脚ロボットオーディションのためのオープンセットエゴノイズ分離フレームワークを提案する。
このフレームワークは、事前にクラスが特定されていない環境音を保存しながら、ロボット固有のエゴノイズを除去する。
音波センサーは、ロボットの周囲を視覚野の向こうで捉える手がかりを提供するが、歩行によって引き起こされるエゴノイズは、足の衝撃、関節バックラッチリング、モーターノイズによって記録を著しく汚染する。
このフレームワークはまずRecurGraphを使用して、ラベル付けされていない録音から、クリップ埋め込みを埋め込みセントロイドに集約し、オーディオ埋め込みグラフ上でスコアを伝搬することにより、エゴノイズに支配的なクリップを選択する。
選択したクリップは、大規模音響イベントデータセットから様々な環境音と混合され、オープンセット分離のためのペア混合監視を提供する。
次に、Transfer-DiTは汎用的なゼロショットニューラルセパレータを適用し、ターゲットロボットに対して高忠実度オープンセットエゴノイズ分離を実現する。
2足歩行ロボットと4足歩行ロボットによる実験では、クリップ選択の信頼性と分離品質の向上、ベースラインセパレータよりも下流タスク性能の向上が示されている。
これらの結果は、エゴノイズのみのデータや手動のクリップレベルのアノテーションを別々に記録することなく、アノテーションなし適応の実現可能性を示している。
関連論文リスト
- SERUM: State Extraction and Refinement for User Modeling [17.94894550460533]
本研究では,非構造化エゴセントリックビデオから直接有限状態挙動モデルを抽出するフレームワークであるSERUMを提案する。
ラベル列に一階マルコフモデルを適用することにより,行動構造を評価する。
1) 反復ラベルリファインメントは,数回のパス後に平衡と呼ばれる安定な状態語彙に収束し,(2) 正規化されたマルコフモデルは,周波数ベースラインよりもはるかに低いパープレキシティと高い動作予測を達成し,(3) 人間のアノテータは最終パスラベルを,第1パスラベルよりも正確かつ有意義に改善したと評価する。
論文 参考訳（メタデータ） (2026-07-31T09:02:33Z) - Efficient and Fast Generative-Based Singing Voice Separation using a Latent Diffusion Model [12.393086516044866]
本研究では, このギャップを埋めるための拡散モデルの可能性について検討する。
本研究は,声帯と混合音の対に依存する歌唱音声の分離に焦点をあてる。
システムは、コンパクトなラテント空間に符号化されたサンプルを生成し、その後、それらをオーディオに復号する。
論文 参考訳（メタデータ） (2025-11-25T16:34:07Z) - IS${}^3$ : Generic Impulsive--Stationary Sound Separation in Acoustic Scenes using Deep Filtering [14.922683356528713]
IS$3$はインパルス音分離のために設計されたニューラルネットワークである。
比較的軽量なニューラルアーキテクチャ上に構築された学習ベースのアプローチが、この未適応なタスクに成功していることを実証する。
論文 参考訳（メタデータ） (2025-09-01T08:55:29Z) - Bridging Weakly-Supervised Learning and VLM Distillation: Noisy Partial Label Learning for Efficient Downstream Adaptation [51.67328507400985]
ノイズ部分ラベル学習(NPLL)では、各トレーニングサンプルは、複数のノイズアノテータによって注釈付けされた候補ラベルのセットに関連付けられている。
本稿では、事前学習された視覚言語モデルによって注釈付けされた部分ラベルからの学習に焦点を当てる。
革新的な協調整合正則化(Co-Reg)法を提案する。
論文 参考訳（メタデータ） (2025-06-03T12:48:54Z) - Unleashing the Power of Natural Audio Featuring Multiple Sound Sources [54.38251699625379]
ユニバーサルサウンド分離は、混合音声から異なるイベントに対応するクリーンなオーディオトラックを抽出することを目的としている。
複雑な混合音声を複数の独立したトラックに分解するために,データエンジンを利用するフレームワークであるClearSepを提案する。
実験では、ClearSepは複数の音分離タスクで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-04-24T17:58:21Z) - A Generalized Bandsplit Neural Network for Cinematic Audio Source
Separation [39.45425155123186]
周波数軸の完全あるいは過剰な分割に対してBandsplit RNNを一般化するモデルを開発する。
信号-雑音比と1-ノルムの空間的プロモーティング特性によって動機付けられた損失関数を提案した。
我々の最良のモデルは、対話幹の理想比マスクよりも高い性能で、Divide and Remasterデータセット上のアートの状態を設定します。
論文 参考訳（メタデータ） (2023-09-05T19:19:22Z) - Self-Supervised Visual Acoustic Matching [63.492168778869726]
音響マッチングは、ターゲットの音響環境に録音されたかのように、音声クリップを再合成することを目的としている。
そこで本研究では,対象のシーン画像と音声のみを含む,視覚的音響マッチングのための自己教師型アプローチを提案する。
提案手法は,条件付きGANフレームワークと新しいメトリクスを用いて,室内音響をアンタングル化し,音をターゲット環境に再合成する方法を共同で学習する。
論文 参考訳（メタデータ） (2023-07-27T17:59:59Z) - S3: Supervised Self-supervised Learning under Label Noise [53.02249460567745]
本稿では,ラベルノイズの存在下での分類の問題に対処する。
提案手法の核心は,サンプルのアノテートラベルと特徴空間内のその近傍のラベルの分布との整合性に依存するサンプル選択機構である。
提案手法は,CIFARCIFAR100とWebVisionやANIMAL-10Nなどの実環境ノイズデータセットの両方で,従来の手法をはるかに上回っている。
論文 参考訳（メタデータ） (2021-11-22T15:49:20Z) - Self-Supervised Learning from Automatically Separated Sound Scenes [38.71803524843168]
本稿では,教師なしの自動音声分離を用いてラベルなし音声シーンを意味的にリンクされたビューに分解する。
入力混合物と自動的に分離された出力を関連付ける学習は、過去のアプローチよりも強い表現を生み出す。
論文 参考訳（メタデータ） (2021-05-05T15:37:17Z) - Self-Supervised Tuning for Few-Shot Segmentation [82.32143982269892]
Few-shotのセグメンテーションは、アノテートされたサンプルがほとんどない各画像ピクセルにカテゴリラベルを割り当てることを目的としている。
既存のメタラーニング手法では, 画像から抽出した視覚的特徴を埋め込み空間に埋め込むと, カテゴリー別識別記述子の生成に失敗する傾向にある。
本稿では,複数のエピソードにまたがる潜在特徴の分布を,自己分割方式に基づいて動的に調整する適応型フレームワークチューニングを提案する。
論文 参考訳（メタデータ） (2020-04-12T03:53:53Z) - Temporal-Spatial Neural Filter: Direction Informed End-to-End
Multi-channel Target Speech Separation [66.46123655365113]
ターゲット音声分離とは、混合信号からターゲット話者の音声を抽出することを指す。
主な課題は、複雑な音響環境とリアルタイム処理の要件である。
複数話者混合から対象音声波形を直接推定する時間空間ニューラルフィルタを提案する。
論文 参考訳（メタデータ） (2020-01-02T11:12:50Z)
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。