論文の概要: The Unbearable Weight: Scaling Models and Methods for UAV Audio Classification

• arxiv url: http://arxiv.org/abs/2609.17884v1
• Date: Tue, 15 Sep 2026 22:22:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.554123
• Title: The Unbearable Weight: Scaling Models and Methods for UAV Audio Classification
• Title（参考訳）: 耐え難い重量:UAVオーディオ分類のためのスケーリングモデルと方法
• Abstract要約: 本稿では,UAV音声分類のためのモデルアーキテクチャと微調整手法の両方をスケールする。 31のドローンクラスにまたがる3100のオーディオクリップのカスタムデータセットを使用して、トランスフォーマー(ViT、AST)と畳み込み(CNN、ResNet-18/152、MobileNet-V3-S/L、EfficientNet-B0/B7)のバックボーンを評価する。 データ不足下でのUAVオーディオ分類では、メソッドのスケーリングはモデルをスケールするよりも優れています。
• 参考スコア（独自算出の注目度）: 1.8357991115665786
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As unmanned aerial vehicles (UAVs) become increasingly prevalent in consumer and defense settings, classifying them reliably from limited, modality-specific data is an urgent challenge. The dominant approach, large pretrained networks fully fine-tuned on task data, carries a substantial computational and memory weight that is hard to bear in resource-constrained UAV deployments, where edge inference and rapid retraining for emerging platforms are both required. This paper systematically scales across both model architectures and fine-tuning methods for UAV audio classification, asking when that weight is justified and when lighter alternatives prevail. Using a custom dataset of 3,100 audio clips spanning 31 drone classes, we evaluate transformer (ViT, AST) and convolutional (custom CNN, ResNet-18/152, MobileNet-V3-S/L, EfficientNet-B0/B7) backbones under full fine-tuning, classifier-only fine-tuning, and four parameter-efficient fine-tuning (PEFT) methods: SSF, IA3, OFT, and selective batch-norm tuning. All configurations are evaluated with 5-fold cross-validation across accuracy, training time, trainable-parameter share, and inference-time memory footprint. Selective batch-norm fine-tuning of EfficientNet-B7 with three-fold augmentations achieves the highest validation accuracy (97.65% +- 0.30) while updating under 0.5% of model parameters. Across the sweep, lightweight CNNs consistently outperform transformers on both accuracy and efficiency. For UAV audio classification under data scarcity, scaling the method outperforms scaling the model.
• Abstract（参考訳）: 無人航空機(UAV)は、消費者や防衛設定においてますます普及しているため、制限されたモダリティ固有のデータからそれらを確実に分類することは、緊急の課題である。 タスクデータに精細に調整された大規模な事前学習ネットワークは、リソース制約のあるUAVデプロイメントでは耐え難い計算量とメモリ重みを持ち、新興プラットフォームへのエッジ推論と迅速な再トレーニングがどちらも必要である。 本稿では,UAV音声分類におけるモデルアーキテクチャと微調整手法の両方を体系的にスケールし,その重み付けを正し,より軽量な代替手段がいつ普及するかを問う。 31のドローンクラスにまたがる3100のオーディオクリップのカスタムデータセットを用いて、トランスフォーマー(ViT, AST)と畳み込み(custom CNN, ResNet-18/152, MobileNet-V3-S/L, EfficientNet-B0/B7)のバックボーンをフルチューニング、分類器のみの微調整、4つのパラメータ効率の微調整(PEFT)メソッド(SSF, IA3, OFT, 選択バッチノームチューニング)で評価する。 すべての構成は、正確性、トレーニング時間、トレーニング可能なパラメータ共有、推論時のメモリフットプリントで5倍のクロスバリデーションで評価される。 EfficientNet-B7の3倍拡張による選択的バッチノーム微調整は、モデルのパラメータの0.5%以下を更新しながら、最も高い検証精度(97.65%+-0.30)を達成する。 クリーンで軽量なCNNは、精度と効率の両方で変圧器を一貫して上回っている。 データ不足下でのUAVオーディオ分類では、メソッドのスケーリングはモデルをスケールするよりも優れています。

関連論文リスト

• Efficient Adversarial Training via Criticality-Aware Fine-Tuning [59.84340722595335]
  criticality-Aware Adversarial Training (CAAT) は、リソースを最も堅牢でクリティカルなパラメータに適応的に割り当てる新しい手法である。 CAATは、そのパラメータの約6%を調整しながら、敵の堅牢性をわずか4.3%減少させる。 広く使われている3つの逆学習データセットの実験では、CAATはトレーニング可能なパラメータが少なくて最先端の軽量ATメソッドより優れていることが示されている。
  論文  参考訳（メタデータ） (2026-04-14T14:17:38Z)
• Efficiently Aligning Draft Models via Parameter- and Data-Efficient Adaptation [82.04574413609187]
  投機的復号化は、特定のドメインに対してターゲットモデルを微調整する場合、性能劣化に悩まされる。 単純な解決策は、コストがかかり非効率な、すべてのターゲットモデルのドラフトモデルをトレーニングすることです。 EDA(Efficient Draft Adaptation)と呼ばれるパラメータとデータ効率のフレームワークを導入する。
  論文  参考訳（メタデータ） (2026-03-10T11:35:58Z)
• 4,500 Seconds: Small Data Training Approaches for Deep UAV Audio Classification [2.3354223046061016]
  本研究では,UAV分類における深層学習のアプローチについて,データ不足の重要な問題に着目して検討する。 合計4,500秒のオーディオサンプルを使用してモデルをトレーニングし、9クラスのデータセットに均等に分散する。 我々は、畳み込みニューラルネットワーク(CNN)とアテンションベースのトランスフォーマーの使用を比較した。
  論文  参考訳（メタデータ） (2025-05-21T22:34:07Z)
• 15,500 Seconds: Lean UAV Classification Using EfficientNet and Lightweight Fine-Tuning [2.3354223046061016]
  本稿では,UAV音声分類におけるデータ不足の課題について,先行作業の拡大による検討を行う。 私たちは、31種類のドローンにまたがる3,100UAVオーディオクリップ(15,500秒)のカスタムデータセットを使用します。 5倍のクロスバリデーション,精度評価,トレーニング効率,堅牢性試験を行った。
  論文  参考訳（メタデータ） (2025-05-21T21:53:19Z)
• Dynamic Adapter Meets Prompt Tuning: Parameter-Efficient Transfer Learning for Point Cloud Analysis [51.14136878142034]
  ポイントクラウド分析は、事前訓練されたモデルのポイントクラウドの転送によって、優れたパフォーマンスを実現している。 モデル適応のための既存の方法は通常、高い計算コストに依存するため、非効率な全てのモデルパラメータを更新する。 本稿では,タスク性能とパラメータ効率のトレードオフを考慮した,ポイントクラウド解析のためのパラメータ効率変換学習を提案する。
  論文  参考訳（メタデータ） (2024-03-03T08:25:04Z)
• Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching [77.133400999703]
  相関に基づくステレオマッチングは優れた性能を達成した。 固定モデルによる現在のメソッドは、さまざまなデータセットで均一に動作しない。 本稿では,ロバストなステレオマッチングのための相関を動的に計算する新しい視点を提案する。
  論文  参考訳（メタデータ） (2023-07-26T09:47:37Z)
• Prompt Tuning for Parameter-efficient Medical Image Segmentation [79.09285179181225]
  2つの医用画像データセットのセマンティックセグメンテーションにパラメータ効率が良いが効果的な適応を実現するために,いくつかのコントリビューションを提案し,検討する。 我々はこのアーキテクチャを、オンライン生成プロトタイプへの割り当てに基づく専用密集型セルフスーパービジョンスキームで事前訓練する。 得られたニューラルネットワークモデルにより、完全に微調整されたモデルとパラメータに適応したモデルとのギャップを緩和できることを実証する。
  論文  参考訳（メタデータ） (2022-11-16T21:55:05Z)
• Efficient Large-scale Audio Tagging via Transformer-to-CNN Knowledge Distillation [6.617487928813374]
  高性能だが複雑な変換器からのオフライン知識蒸留(KD)に基づく効率的なCNNの訓練手順を提案する。 我々は、低複雑さモデルからAudioSetの.483 mAPの新たな最先端パフォーマンスまで、さまざまな複雑さレベルのモデルを提供しています。
  論文  参考訳（メタデータ） (2022-11-09T09:58:22Z)
• Scaling & Shifting Your Features: A New Baseline for Efficient Model Tuning [126.84770886628833]
  既存の微調整法は、事前訓練されたモデルの全てのパラメータ(フル微調整)をチューニングするか、最後の線形層(線形プローブ)のみをチューニングする。 そこで本研究では,SSFと呼ばれるパラメータ効率の高いファインタニング手法を提案する。
  論文  参考訳（メタデータ） (2022-10-17T08:14:49Z)

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。