論文の概要: Sample-Conditioned Representation Selection for Audio Few-Shot Learning

• arxiv url: http://arxiv.org/abs/2609.17076v1
• Date: Tue, 15 Sep 2026 12:15:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.516699
• Title: Sample-Conditioned Representation Selection for Audio Few-Shot Learning
• Title（参考訳）: 音声Few-Shot学習のためのサンプルコンディション表現選択
• Abstract要約: 音声分類器は、前景と後景の共起に頼り、それらの相関が変化すると失敗することがある。 本稿では,各入力に対して独立に固定予算特徴マスクを予測するSAMPLESELECTを提案する。 一致した全表現制御を4.90-8.38ポイント改善する。
• 参考スコア（独自算出の注目度）: 14.872888820695666
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Few-shot audio classifiers may rely on foreground-background co-occurrences and fail when those correlations shift. On SpurAudio, the resulting representation shift is concentrated and class dependent: for ResNet12, the top 10 percent of channels explain 82.80 percent of the null-corrected shift contribution. We propose SAMPLESELECT, which predicts a fixed-budget feature mask independently for each input while keeping the encoder and source classifier frozen. Training uses differentiable Gumbel Top-k selection with foreground classification and cross-background contrastive losses; inference uses deterministic Top-k masks and support-only linear adaptation. Across ResNet12 and Conv64 in 5-way 1-shot and 5-shot evaluation, SAMPLESELECT gives the best OOD accuracy among the compared methods and improves the matched full-representation control by 4.90-8.38 percentage points. Ablations and representation analyses further support the learned selection mechanism. Code is available at https://github.com/Cross-Innovation-Lab/SAMPLESELECT/
• Abstract（参考訳）: 音声分類器は、前景と後景の共起に頼り、それらの相関が変化すると失敗することがある。 SpurAudioでは、結果の表現シフトが集中し、クラスに依存している: ResNet12では、上位10%のチャンネルがヌル修正シフトコントリビューションの82.80%を説明している。 本稿では,エンコーダとソース分類器を凍結したまま,各入力に対して独立して固定予算特徴マスクを予測するSAMPLESELECTを提案する。 トレーニングでは、Gumbel Top-k選択に、前景分類と裏面のコントラスト損失を併用し、推論では決定論的Top-kマスクとサポートのみの線形適応を使用する。 SAMPLESELECTは5ウェイ1ショットと5ショットの評価においてResNet12とConv64をまたいで、比較手法の中で最高のOOD精度を与え、マッチした全表現制御を4.90-8.38ポイント改善する。 アブレーションと表現解析は、学習された選択機構をさらに支援する。 コードはhttps://github.com/Cross-Innovation-Lab/SAMPLESELECT/で入手できる。

関連論文リスト

• Diversity Matters: Distributional Feature Coverage Sample Selection for Data-Efficient Backdoor Attacks [22.452076838251575]
  バックドア攻撃は、モデルがクリーンな精度を維持するためにトレーニングデータを妥協するが、トリガされた入力に対してアタッカー・チョーゼンターゲットを予測する。 本研究では,無訓練トリガ診断法であるDFCS(Distributal Feature Coverage Sample Selection)を提案する。 BadNetsとBlendedのCIFAR-10、Tiny-ImageNet、Imagenetteに対する攻撃全体で、DFCSは6つのデータセット-アタック設定で7つのセレクタの中で最高平均攻撃成功率を達成する。
  論文  参考訳（メタデータ） (2026-08-10T02:52:24Z)
• Stepwise Token Selection for Efficient Multimodal Large Language Models [0.7233065479782755]
  本稿では,情報トークンを反復的に選択し,事前に選択したトークンに対して各決定を条件付けし,いつ停止するかを動的に決定するポインタスタイルの選択機構を提案する。 視覚トークンの88.9%を除去するアグレッシブプルーニングでは、初期精度の94.6%を保ち、プリフィル遅延の1.88倍のスピードアップを達成する。
  論文  参考訳（メタデータ） (2026-06-14T23:50:08Z)
• Attention-Discounted Adaptive Sampler for Masked Diffusion Language Models [59.51249894128724]
  マスク付き拡散言語モデルは、反復を識別するごとに複数のトークンを明らかにすることで推論ステップを削減することができる。 パラレルマスク拡散復号法のためのトレーニング不要な復号法であるADASを提案する。
  論文  参考訳（メタデータ） (2026-06-09T13:17:27Z)
• dVoting: Fast Voting for dLLMs [71.572316901001]
  拡散大言語モデル(dLLMs)は自己回帰モデリングを超えた新しいパラダイムである。 dLLMは任意の位置で任意のトークンを並列に生成できるため、並列テストタイムスケーリングには大きな可能性がある。 トレーニングなしで推論能力を高める高速投票手法であるdVotingを導入する。
  論文  参考訳（メタデータ） (2026-02-12T16:35:05Z)
• MARS-Sep: Multimodal-Aligned Reinforced Sound Separation [72.85468563236005]
  MARS-Sepは音分離のための強化学習フレームワークである。 クリッピングされた信頼領域サロゲートによって最適化された、ファクタライズされたベータマスクポリシを学ぶ。 複数のベンチマークの実験は、テキスト、オーディオ、イメージ-キュード分離において一貫した利得を示している。
  論文  参考訳（メタデータ） (2025-10-12T09:05:28Z)
• Reproducible Machine Learning-based Voice Pathology Detection: Introducing the Pitch Difference Feature [1.7779568951268254]
  本稿では,現在公開されているSaarbr"ucken Voice Databaseを用いた音声病理診断手法を提案する。 機械学習(ML)アルゴリズムを6つ評価する - サポートベクターマシン、kネアレスト隣人、ナイーブベイズ、決定木、ランダムフォレスト、AdaBoost。 アプローチは, 女性, 男性, 合計で85.61%, 84.69%, および85.22%であった。
  論文  参考訳（メタデータ） (2024-10-14T14:17:52Z)
• The Lipschitz-Variance-Margin Tradeoff for Enhanced Randomized Smoothing [85.85160896547698]
  ディープニューラルネットワークの現実的な応用は、ノイズの多い入力や敵攻撃に直面した場合、その不安定な予測によって妨げられる。 入力にノイズ注入を頼りに、認証された半径を持つ効率的な分類器を設計する方法を示す。 新たな認証手法により、ランダムな平滑化による事前学習モデルの使用が可能となり、ゼロショット方式で現在の認証半径を効果的に改善できる。
  論文  参考訳（メタデータ） (2023-09-28T22:41:47Z)
• Speech Corpora Divergence Based Unsupervised Data Selection for ASR [30.224456184969693]
  本研究では,音声コーパス分散(SCD)に基づく教師なし目標認識データ選択手法を提案する。 実験により、提案したSCDデータ選択は、ランダム選択に対する14.8%の相対的な改善を実現できることが示された。
  論文  参考訳（メタデータ） (2023-02-26T03:26:26Z)
• Explaining Cross-Domain Recognition with Interpretable Deep Classifier [100.63114424262234]
  解釈可能なDeep(IDC)は、ターゲットサンプルの最も近いソースサンプルを、分類器が決定を下す証拠として学習する。 我々のIDCは、精度の劣化がほとんどなく、最適なリジェクションオプションの分類を効果的に調整する、より説明可能なモデルに導かれる。
  論文  参考訳（メタデータ） (2022-11-15T15:58:56Z)
• UNICON: Combating Label Noise Through Uniform Selection and Contrastive Learning [89.56465237941013]
  UNICONは,高ラベル雑音に対して頑健な,シンプルで効果的なサンプル選択法である。 90%のノイズレートでCIFAR100データセットの最先端データよりも11.4%改善した。
  論文  参考訳（メタデータ） (2022-03-28T07:36:36Z)
• Decoding Imagined Speech using Wavelet Features and Deep Neural Networks [2.4063592468412267]
  本稿では, 深層ニューラルネットワークを用いた予測音声の分類手法を提案する。 提案手法では、脳の特定の領域にのみEEGチャネルを用いて分類し、それぞれのチャネルから特徴ベクトルを導出する。 提案したアーキテクチャとデータ処理のアプローチにより,57.15%の平均分類精度が向上し,最先端の結果よりも約35%向上した。
  論文  参考訳（メタデータ） (2020-03-19T00:36:19Z)

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。