論文の概要: CORA: A Protocol for Diagnosing Boundary Robustness in Text-to-Audio Retrieval under Query Reformulations

• arxiv url: http://arxiv.org/abs/2609.33433v1
• Date: Sun, 27 Sep 2026 10:37:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 16:54:23.616337
• Title: CORA: A Protocol for Diagnosing Boundary Robustness in Text-to-Audio Retrieval under Query Reformulations
• Title（参考訳）: CORA:検索検索における境界ロバスト性診断プロトコル
• Abstract要約: CORAは、各ソースキャプションを5つのインテント保存形式に書き換えるキャプションアンカー付き診断プロトコルである。 RankDropはRecall@kで隠された障害を示すメトリクスである。 これらの結果は、ロバストなT2A検索には、ターゲットの境界優位性を維持する必要があることを示唆している。
• 参考スコア（独自算出の注目度）: 6.653565252826049
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-Audio (T2A) retrievers are typically evaluated with caption style queries, but the same user intent can be expressed in many forms. We introduce CORA (Caption-Offset Retrieval for Audio), a caption anchored diagnostic protocol that rewrites each source caption into five intent preserving forms (Command, Question, Indirect, Key phrase, and Statement) while fixing the target audio. By tracking the same target across query forms, CORA defines RankDrop, a metric revealing failures hidden by Recall@k. Using Pearson's correlation coefficient r, we find that RankDrop is weakly associated with raw text space movement (r=0.084), but strongly associated with Target Alignment Loss and Target Boundary Margin Degradation (r=0.508 and r=0.615). The same pattern appears in OEA retrievers, where RankDrop is better explained by boundary degradation (r=0.472/0.478) than by query movement (r=0.084/0.046). Overall, these results suggest that robust T2A retrieval requires preserving the target's boundary advantage over competing audio under reformulation.
• Abstract（参考訳）: Text-to-Audio (T2A)レトリバーは典型的にはキャプションスタイルのクエリで評価されるが、同じユーザ意図を多くの形式で表現することができる。 提案するCORA(Caption-Offset Retrieval for Audio)は,各ソースキャプションを5つの意図保存形式(Command, Question, Indirect, Key phrase, Statement)に書き換えるキャプションアンカー付き診断プロトコルである。 CORAはクエリフォーム全体で同じターゲットを追跡することで、Recall@kで隠された障害を示すメトリクスである RankDropを定義している。 Pearsonの相関係数rを用いて、RandDropは原文空間運動(r=0.084)と弱いが、ターゲットアライメント損失とターゲット境界マージン劣化(r=0.508およびr=0.615)と強く関連している。 同じパターンがOEAレトリバーに現れ、RandDropはクエリの移動(r=0.084/0.046)よりも境界分解(r=0.472/0.478)により説明される。 以上の結果から,ロバストなT2A検索では,再生下での競合音声に対して,ターゲットの境界優位性を維持する必要があることが示唆された。

関連論文リスト

• VoiceCodeBench: Evaluating Exact Structured-Token Recovery in Automatic Speech Recognition [2.921583994766779]
  書き起こしは、下流システムが解析、保存、実行しなければならない値を破損させながら、流動的に現れ、低いWERを達成することができる。 本稿では、英語ASRにおける正確な構造化トーケン回復を評価するためのベンチマークであるVoiceCodeBenchを紹介する。
  論文  参考訳（メタデータ） (2026-08-28T22:23:42Z)
• SPEAR: Selection-aware Personalized End-to-end Adaptive Rewriting and Retrieval for Community Search [16.046037914956504]
  1つの障害モードをターゲットにした3つのコンポーネントを統合するSPEARを提案する。 提案されたフレームワークは、書き直しセマンティックな類似性@10を +18.2 で改善し、リコール@10を +99.5 でプロダクションベースラインでクリックする。
  論文  参考訳（メタデータ） (2026-08-03T06:03:58Z)
• Clarify-Then-Search: A Clarification Benchmark for Deep Search with End-to-End Nugget Restoration [66.89521868638815]
  我々は,LLM生成の解明質問が下流の深層探索ユーティリティを改善するかどうかを評価するベンチマークであるClarify-Then-Searchを紹介する。 Baidu検索エンジンの実際のクエリデータに基づいて構築されたこのベンチマークには、518のキュレートされたインスタンスが含まれている。 静的な金に対して部分的にクレジットされた重み付きナゲット・リコールスコアであるrepure_score_100を用いて、エンドツーエンドのユーティリティをスコアする。
  論文  参考訳（メタデータ） (2026-06-17T13:16:31Z)
• ScoreGate: Adaptive Chunk Selection for Retrieval-Augmented Generation via Dual-Score Statistical Fusion [0.0]
  本稿では,ScoreGateについて述べる。ScoreGateは軽量なスコア空間決定機構で,推定時刻における検索濃度を制御する。 MS MARCO (200 開発クエリ)では、ScoreGate は MRR@10 = 0.401 を達成する。 MS MARCOと実世界の生産トラフィックの結果から,適応的検索基準は検索品質を劣化させることなく,検索効率を向上させることが示唆された。
  論文  参考訳（メタデータ） (2026-06-12T08:51:24Z)
• Beyond Similarity Search: Tenure and the Case for Structured Belief State in LLM Memory [0.0]
  クロスセッションメモリは状態管理の問題であり、検索の問題ではない。 テンチュアは、精度優先の検索を通じて、全てのLDMセッションにキュレートされたコンテキストを注入する。
  論文  参考訳（メタデータ） (2026-05-11T23:22:36Z)
• Multimodal Consistency-Guided Reference-Free Data Selection for ASR Accent Adaptation [0.05219568203653524]
  ASRアクセント適応のためのマルチモーダル整合性誘導型参照フリーデータ選択パイプラインを提案する。 パイプラインは、共有埋め込み空間における音声テキストアライメントと予測された単語エラー率の2つの基準自由信号を用いて、各仮説をスコアする。 単純なパーセンタイルベースの選択規則は、ノイズ発声を排除しながら微調整のための信頼できる擬似ラベルを保持する。
  論文  参考訳（メタデータ） (2026-02-03T21:35:58Z)
• Pseudo2Real: Task Arithmetic for Pseudo-Label Correction in Automatic Speech Recognition [61.712328155788434]
  現実世界のシステムは、ラベル付きデータに制限のある、目に見えないアクセントとドメインに遭遇する。 擬似ラベルは、しばしばフィルタリングが修正に失敗するシステマティックでアクセント固有のエラーをもたらす。 そこで本研究では,これらの繰り返しバイアスを目的の真理を含まない簡単なパラメータ空間補正を提案する。
  論文  参考訳（メタデータ） (2025-10-09T10:31:47Z)
• VALL-E R: Robust and Efficient Zero-Shot Text-to-Speech Synthesis via Monotonic Alignment [101.2489492032816]
  VALL-E Rは、堅牢で効率的なゼロショットテキスト音声合成システムである。 この研究は、失語症に罹患した人々のためのスピーチの作成を含む有意義なプロジェクトに適用される可能性がある。
  論文  参考訳（メタデータ） (2024-06-12T04:09:44Z)
• SpellMapper: A non-autoregressive neural spellchecker for ASR customization with candidate retrieval based on n-gram mappings [76.87664008338317]
  文脈スペル補正モデルは、音声認識を改善するために浅い融合に代わるものである。 ミススペルn-gramマッピングに基づく候補探索のための新しいアルゴリズムを提案する。 Spoken Wikipediaの実験では、ベースラインのASRシステムに比べて21.4%のワードエラー率の改善が見られた。
  論文  参考訳（メタデータ） (2023-06-04T10:00:12Z)
• Cross-domain Speech Recognition with Unsupervised Character-level Distribution Matching [60.8427677151492]
  2つの領域における各文字間の微粒化適応を行うための文字レベルの分布マッチング手法であるCMatchを提案する。 Libri-Adaptデータセットを用いた実験の結果,提案手法はクロスデバイスとクロス環境の両方で14.39%,16.50%の単語誤り率(WER)を低減できることがわかった。
  論文  参考訳（メタデータ） (2021-04-15T14:36:54Z)

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。