論文の概要: Normalise or condition? Noise-floor front-ends for on-board keyword spotting under UAV rotor ego-noise
- arxiv url: http://arxiv.org/abs/2609.31699v1
- Date: Sat, 19 Sep 2026 06:17:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 13:39:52.508157
- Title: Normalise or condition? Noise-floor front-ends for on-board keyword spotting under UAV rotor ego-noise
- Title（参考訳）: ノーマライズ・コンディション?UAVロータエゴノイズ下でのキーワードスポッティングのためのノイズフロアフロントエンド
- Abstract要約: 飛行コマンドが負の信号対雑音比(SNR)に到達する
実エゴノイズ下で10ワードのコマンド語彙に対する小文字キーワードスポッティング(KWS)について検討する。
連続するローターノイズの4.4hに対して, 流れの擬似アラーム速度を測定した。
- 参考スコア（独自算出の注目度）: 5.266753902938501
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A microphone on the airframe of a small multi-rotor UAV is dominated by rotor ego-noise, so spoken flight commands arrive at negative signal-to-noise ratio (SNR). We study small-footprint keyword spotting (KWS) for a ten-word command vocabulary under real ego-noise, training on one quadrotor and testing on another. Besides per-clip accuracy we measure the streaming false-alarm rate on 4.4 h of continuous rotor noise. We compare classical noise-robust front-ends (CMN, PCEN, spectral subtraction), test-time adaptation, and two front-ends that track the per-band ego-noise floor over the two seconds preceding the decision window and either subtract it (normalisation) or feed it to the network as a second input channel (conditioning). Per clip, all front-ends look alike: +2-3 points on average, up to +14 at -15 dB. On continuous rotor noise they differ sharply. Normalising front-ends fire about ten times more often than plain log-mel at the same threshold and end up below it at a budget of one false alarm per hour (-9 points at 0 dB). Conditioning keeps the baseline's false-alarm rate and turns its gain into detections (+8 points at -10 dB over three seeds); on top of PCEN it gives the best per-clip accuracy and false-alarm rate, and a level-anchored variant is also invariant to the microphone gain. Real drone+interferer recordings expose the remaining failure mode, environmental sounds and bystander speech, which training negatives halve. A single script reproduces all on-device numbers on the NVIDIA Jetson Orin NX flight computer, where the complete pipeline costs 3 ms per 100 ms hop on the CPU.
- Abstract（参考訳）: 小型のマルチローターUAVの機体上のマイクはローターエゴノイズが支配しており、音声飛行コマンドは負の信号対雑音比(SNR)に達する。
そこで本研究では,ego-noiseの下で10ワードのコマンド語彙に対して,小文字のキーワードスポッティング(KWS)を学習し,また別の4乗数に対する訓練を行った。
連続するローターノイズの4.4hで、クリップごとの精度の他に、ストリーミングのフェイルアラームレートを測定します。
従来のノイズローバートフロントエンド(CMN, PCEN, スペクトルサブトラクション), テストタイム適応, および2つのフロントエンドを比較し, 帯域ごとのエゴノイズ床を決定ウィンドウの2秒前に追跡し, それを減算する(正規化)か、第2入力チャネルとしてネットワークに供給する(条件付)。
クリップごとに、すべてのフロントエンドは同じように見える:+2-3ポイント、最大15dBで+14まで。
連続ローターノイズでは、それらは鋭く異なる。
フロントエンドの正常化は、同じ閾値で通常のログメルの約10倍の頻度で発火し、1時間に1回の誤報(-9ポイントは0dB)で終了する。
コンディショニングはベースラインの偽アラームレートを保ち、そのゲインを検出(3つのシードより10dBで+8ポイント)し、PCENの上に最高のクリック毎の精度と偽アラームレートを与え、レベルアンコールの変種もマイクゲインに不変である。
実際のドローン+インターフェラー記録は、残りの障害モード、環境音、傍観者のスピーチを露呈する。
1つのスクリプトはNVIDIA Jetson Orin NXの飛行コンピュータ上でデバイス上のすべての番号を再現する。
関連論文リスト
- On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability [57.03393882933515]
Qwen3.8-Flash-Nextは125Bパラメータ、トークンあたり6Bアクティベートされ、加速器から保持されるn-gram埋め込みテーブルの51Bパラメータを持つスパースミックス・オブ・エキスパートモデルである。
トレーニング前の14のベンチマークでは、このモデルは前モデルの397B-A17Bを8点、残りを少なくとも2.6ポイント、アクティベートされたパラメータが1/3、トレーニングトークンが1/3、トレーニング用FLOPが1/9であった。
論文 参考訳（メタデータ） (2026-08-31T06:35:07Z) - Round-Trip Consistency: Bidirectional Diffusion Models Can Predict Their Own Rollout Errors [51.56484100374058]
自動回帰モデルは、長時間のロールアウトでエラーを蓄積しますが、デプロイ時には、それを測定するための基本的な真実はありません。
我々は、方向フラグを介して動的システムを前方または後方にステップする単一の条件付き潜在拡散モデルを訓練する。
この双方向性は測定不要なテスト時間誤差信号を提供することを示す。
論文 参考訳（メタデータ） (2026-08-01T13:49:46Z) - Moving Like a Human: Ego-Motion-Normalized Temporal Signatures for Real-Time Aerial Person Tracking on Milliwatt-Class Hardware [1.932555230783329]
追跡はドローン自体で行わなければならない。
EMT-Detは、エゴモーションを推定する5段階のシステムである。
Raspberry Pi Zero 2Wでは、パイプラインは31.85 FPS、AP25は0.462、UAVは0.714である。
論文 参考訳（メタデータ） (2026-07-09T19:30:00Z) - Bistable by Construction: Wall-Clock-Calibrated State Monitors Have No Moment-Detection Regime at Agent Cadence [0.0]
我々は、状態飽和トラップを報告する: 連続的な影響エンジン上のしきい値オンステートトリガーは、SWEベンチエージェントのほぼ一定アラームとなる。
我々は、記録(エラトゥム、v2)を修正し、欠陥を実験として扱う。
壁面校正型漏洩インテグレータモニタは,エージェントストリーム上のモーメント検出器として機能する機構を認めない,と結論付けた。
論文 参考訳（メタデータ） (2026-06-15T21:25:52Z) - Two-Pass Zero-Shot Temporal-Spatial Grounding of Rare Traffic Events in Surveillance Video [0.0]
実際のCCTV映像における地上交通事故は、ラベル付き事故映像のトレーニングがしばしば禁止される希少な問題である。
我々は、凍結した視覚言語モデルからこのジョイント出力を引き出す、微調整のパイプラインを提案する。
論文 参考訳（メタデータ） (2026-05-02T16:05:44Z) - Toward Noise-Aware Audio Deepfake Detection: Survey, SNR-Benchmarks, and Practical Recipes [2.5756681494057045]
本稿では,MS-SNSD雑音とASVspoof 2021 DF発話を混合し,信号対雑音比(SNR)で評価するフレームワークを提案する。
We study multi-condition training and fixed-SNR testing for pretrained encoder (WavLM, Wav2Vec2, MMS), reporting accuracy, ROC-AUC, and EER on binary and four-class (authenticity x corruption) task。
論文 参考訳（メタデータ） (2025-12-15T02:22:37Z) - U-CAN: Unsupervised Point Cloud Denoising with Consistency-Aware Noise2Noise Matching [87.76453413654922]
我々は、一貫性を意識したノイズ2ノイズマッチングを用いて、ポイントクラウドをデノナイズするための教師なしフレームワークであるU-CANを紹介する。
具体的には、ニューラルネットワークを利用して、ノイズとノイズのマッチング方式で、形状やシーンの各点について、多段階のノイズ伝達経路を推測する。
整合性を考慮したデノナイズパターンの学習のための,デノナイズド幾何整合性に関する新しい制約を導入する。
論文 参考訳（メタデータ） (2025-10-29T06:20:21Z) - How Does Label Noise Gradient Descent Improve Generalization in the Low SNR Regime? [78.0226274470175]
我々は、勾配更新にラベルノイズを導入することで、ニューラルネットワーク(NN)のテスト性能が向上するかどうか検討する。
学習中のラベルノイズの付加は,学習過程を支配することを防止し,雑音の記憶を抑制することを実証する。
対照的に、標準GDで訓練されたNNは、同じ低SNR環境でのノイズに過度に適応する傾向にある。
論文 参考訳（メタデータ） (2025-10-20T13:28:13Z) - Fast Learning of Signed Distance Functions from Noisy Point Clouds via Noise to Noise Mapping [54.38209327518066]
点雲から符号付き距離関数を学習することは、3Dコンピュータビジョンにおいて重要な課題である。
クリーンポイントクラウドや地上の真理監督を必要としないノイズ・ノイズマッピングを用いてSDFを学習することを提案する。
我々の新しい特徴はノイズ・ト・ノイズマッピングにあり、1つの物体やシーンの高精度なSDFを、その多重または単一ノイズの観測から推測することができる。
論文 参考訳（メタデータ） (2024-07-04T03:35:02Z) - Robust Audio-Based Vehicle Counting in Low-to-Moderate Traffic Flow [14.244787327283339]
本稿では,1チャンネル音声を用いた低モジュレートトラフィックにおけるVC(Audio-based Vehicle counting)手法を提案する。
回帰問題としてVCを定式化し、車とマイクの距離を予測する。
本稿では,偽陽性と偽陰性の確率が一致した時点で,最小値検出閾値を設定することを提案する。
論文 参考訳（メタデータ） (2020-10-22T13:42:26Z) - Detection of gravitational-wave signals from binary neutron star mergers
using machine learning [52.77024349608834]
本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。
信号対雑音比が25未満の信号に対する感度は6因子改善した。
保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
論文 参考訳（メタデータ） (2020-06-02T10:20:11Z)
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。