論文の概要: When Forgetting Looks Like Improvement: Metric Masking in Streaming Diarizer Adaptation and the Price of Rehearsal

• arxiv url: http://arxiv.org/abs/2610.08828v1
• Date: Sat, 26 Sep 2026 04:07:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 16:33:44.547117
• Title: When Forgetting Looks Like Improvement: Metric Masking in Streaming Diarizer Adaptation and the Price of Rehearsal
• Title（参考訳）: ストリーミングダイアリザ適応におけるメートル法マスキングとリハーサルの価格
• Abstract要約: 小型データ適応は話者属性を劣化させながら音声検出を改善することができる。 適応はドメイン内のダイアリゼーション性能を大幅に改善し、独立したコーパスに転送する。
• 参考スコア（独自算出の注目度）: 26.171623514854087
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Small-data adaptation can improve speech detection while degrading speaker attribution. We study this discrepancy in a released streaming diarizer adapted on 7.5 h of two-party conversation and evaluated across six corpora. Adaptation substantially improves in-domain diarization performance and transfers to an independent corpus. However, this improvement is not consistent across evaluation scenarios as the additional confusion is mainly associated with impaired temporal identity consistency rather than speaker-count errors. A local-remapping diagnostic reveals different patterns of identity degradation across corpora, indicating that adaptation may alter how streaming models maintain speaker assignments over time. Rehearsal reduces the observed degradation but reduces the cross-domain transfer performance. These results highlight the need to jointly evaluate detection accuracy, identity consistency, and retention behavior when adapting streaming diarization systems.
• Abstract（参考訳）: 小型データ適応は話者属性を劣化させながら音声検出を改善することができる。 本研究では,2者会話の7.5時間に適応したストリーミングダイアリザにおいて,この差を6つのコーパスで評価した。 適応はドメイン内のダイアリゼーション性能を大幅に改善し、独立したコーパスに転送する。 しかし、この改善は、話者数誤差よりも、時間的アイデンティティの整合性の障害に主に関連しているため、評価シナリオ間で一貫性がない。 局所再マッピング診断は、コーパス間で異なるアイデンティティ劣化パターンを明らかにし、ストリーミングモデルが話者の割り当てを時間とともに維持する方法を変える可能性があることを示している。 リハーサルは観測された劣化を低減させるが、クロスドメイン転送性能を低下させる。 これらの結果は,ストリーミングダイアリゼーションシステムに適応する際の検出精度,アイデンティティの整合性,保持挙動を共同評価する必要性を浮き彫りにした。

関連論文リスト

• What Survives the Codec Shift: Pooled No-Vocals Residuals for Speech Deepfake Detection [20.521972703383643]
  生成機構が変化すると、どの音響表現が識別情報を保持しているかは明らかでない。 適応ゲーティングにより,発話レベルにプールされた非ネイティブ表現をトークンレベルXLS-R特徴と統合するデュアルビュー検出器を提案する。 提案されたMN-Pは、EERを全体として54.2%削減し、未確認状態に対して60.9%削減する。
  論文  参考訳（メタデータ） (2026-09-27T08:58:08Z)
• Cleaner Speech, Weaker Generalization: Revisiting Pitt-Derived Benchmarks for Alzheimer's Disease Detection [24.508547448302078]
  音声ベースのアルツハイマー病(AD)の検出は、ピット・コーパスの音声強調版と治療版にますます依存している。 我々は、音声に基づくAD検出のための広く使われているベンチマークにおいて、音声前処理とデータセットのキュレーションの役割を再考する。
  論文  参考訳（メタデータ） (2026-08-31T19:19:00Z)
• TTSD-FAR: Test-Time Self-Distillation with Fisher-Anchored Restoration for Missing-Modality Emotion Recognition in LVLMs [83.78708832901194]
  大規模ビデオ言語モデル(LVLM)は、野生のマルチモーダル感情認識(ER)のようなマルチモーダルタスクにおいて顕著なパフォーマンスを示している。 しかし、現実のデプロイメントは依然として困難であり、テスト時にモダリティが欠落したりうる。 凍結した教師が自己蒸留により適応的な低学級の生徒を指導する手法を提案する。 MELD, DFEW, BAHを0%-50%のモダリティで実験した結果, この統一型適応復元設計はエントロピーベースの適応, RAG, およびパープレキシティベースの生成より一貫して優れていた。
  論文  参考訳（メタデータ） (2026-08-18T23:40:28Z)
• MLLM-Guided Semantic Correction for Text-to-Video Generation [66.7723669725808]
  マルチモーダルな大規模言語モデルフィードバックを統合した,トレーニングフリーで解釈可能な中間世代補正フレームワークを提案する。 セマンティック・アセスメント・スーパーバイザ (Semantic Assessment Supervisor) とセマンティック・アセスメント・アシスタント (Semantic Modification Assistant) という,セマンティック・アセスメント・スーパーバイザ (Semantic Assessment Supervisor) の2つの重要なモジュールを提案する。 本手法は, モデルパラメータを変更することなく, セマンティックアライメント, 視覚的忠実度, 時間的一貫性を改善する。
  論文  参考訳（メタデータ） (2026-08-17T12:54:10Z)
• MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
  連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。 ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
  論文  参考訳（メタデータ） (2026-05-18T01:52:12Z)
• MemOVCD: Training-Free Open-Vocabulary Change Detection via Cross-Temporal Memory Reasoning and Global-Local Adaptive Rectification [25.164480665248792]
  Open-vocabulary Change Detectionは、定義済みのカテゴリを使わずに、両時間的リモートセンシング画像の意味的変化を特定することを目的としている。 本稿では,時間外メモリ推論とグローバル局所適応補正に基づく学習自由なオープン語彙変化検出フレームワークであるMemOVCDを提案する。
  論文  参考訳（メタデータ） (2026-04-29T15:05:37Z)
• Frame-level Temporal Difference Learning for Partial Deepfake Speech Detection [16.923285534924116]
  不自然な時間変動を識別する部分的な深度検出を再定義する時間差注意モジュール(TDAM)を提案する。 二重レベルの階層的差分表現は、微細なスケールと粗いスケールの両方で時間的不規則性を捕捉する一方、適応的な平均プーリングは、情報損失を最小限に抑えるために、可変長入力における必須パターンを保存する。 当社のTDAM-AvgPoolモデルは,PartialSpoofデータセットで0.59%,HADデータセットで0.03%,最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2025-07-20T19:46:23Z)
• Do You Remember? Overcoming Catastrophic Forgetting for Fake Audio Detection [54.20974251478516]
  本稿では,破滅的な忘れを克服するために,偽音声検出のための連続学習アルゴリズムを提案する。 検出ネットワークを微調整する場合,本手法では,真の発話と偽発話の比率に応じて,重み付けの方向を適応的に計算する。 本手法は,音声の感情認識などの関連分野に容易に一般化できる。
  論文  参考訳（メタデータ） (2023-08-07T05:05:49Z)
• Spectro-Temporal Deep Features for Disordered Speech Assessment and Recognition [65.25325641528701]
  音声スペクトルのSVD分解による深い特徴を埋め込んだ新しいスペクトル時空間ベースを提案する。 UASpeechコーパスで行った実験では、提案された分光時間深部特徴適応システムは、データ拡張の有無にかかわらず、ワードエラー率(WER)を最大263%(相対8.6%)削減することで、ベースラインi-適応を一貫して上回ったことが示唆された。
  論文  参考訳（メタデータ） (2022-01-14T16:56:43Z)
• Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification [137.9939571408506]
  各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。 不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
  論文  参考訳（メタデータ） (2020-12-16T04:09:04Z)

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。