論文の概要: BEANS-Next and ROOTS: Broadening Audio-Language Capabilities for Bioacoustics

• arxiv url: http://arxiv.org/abs/2610.10663v1
• Date: Wed, 07 Oct 2026 17:41:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.609371
• Title: BEANS-Next and ROOTS: Broadening Audio-Language Capabilities for Bioacoustics
• Title（参考訳）: BEANS-NextとROTS
• Abstract要約: BEANS-Nextは,音響知覚,生物学的カテゴリー認識,シーン理解,コンテキスト内学習を対象とする生体音響タスクの分類に基礎を置いているベンチマークである。 ROOTSは、拡張された現実世界のデータから構築された大規模なトレーニングリソースである。 このデータセットのトレーニングはBEANS-Nextの全タスク群で大きく進歩し、バイオ音響学および倫理学の汎用アシスタントとしての可能性に近づいた。
• 参考スコア（独自算出の注目度）: 38.9124910132011
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bioacoustics and ethology encompass a wide range of audio understanding tasks, many of which stand to benefit from recent advances in large audio-language models. However, progress in the field has so far been assessed on a narrow set of tasks, primarily centered on label-centric biological category recognition, such as species and call-type classification. In this work, we introduce BEANS-Next, a benchmark grounded in a taxonomy of bioacoustics tasks spanning acoustic perception, biological category recognition, scene understanding, and in-context learning. Using BEANS-Next, we show that existing models exhibit limited performance beyond the task families emphasized by existing evaluations, constraining their usefulness for broader bioacoustic applications. To support progress on this broader task space, we also introduce ROOTS, a large-scale training resource built from expanded curated real-world data and previously underused behavioral and acoustic metadata, supplemented by audio-derived information and scalable synthetic generation where labeling is insufficient. We demonstrate that training on this dataset yields substantial progress across all task groups of BEANS-Next, moving audio-language models closer to their potential as general-purpose assistants for bioacoustics and ethology. To accelerate progress in the field, we open-source our benchmark, dataset, and data pipelines.
• Abstract（参考訳）: バイオ音響学と倫理学は幅広い音声理解タスクを含んでおり、その多くが近年の大規模音声言語モデルの進歩の恩恵を受けている。 しかし、この分野の進歩は、主に種やコールタイプ分類のようなラベル中心の生物学的カテゴリー認識に焦点を当てた、狭い一連のタスクに基づいて評価されてきた。 本研究では,音知覚,生物学的カテゴリー認識,シーン理解,文脈学習などを含む生体音響タスクの分類に基礎を置くベンチマークBEANS-Nextを紹介する。 BEANS-Nextを用いて、既存のモデルでは、既存の評価によって強調されるタスクファミリーを超えて、限られた性能を示し、より広範なバイオ音響応用にそれらの有用性を制限していることを示す。 この広いタスク空間の進歩を支援するため,拡張された実世界のデータと,これまであまり使われていなかった行動・音響メタデータから構築された大規模トレーニングリソースであるROTSを導入し,音声情報とラベリングが不十分なスケーラブルな合成生成を補完する。 このデータセットのトレーニングはBEANS-Nextの全タスク群で大きく進歩し、バイオ音響学および倫理学の汎用アシスタントとしての可能性に近づいた。 この分野の進歩を加速するため、ベンチマーク、データセット、データパイプラインをオープンソース化しました。

関連論文リスト

• How Class Ontology and Data Scale Affect Audio Transfer Learning [86.30979869026778]
  トランスファーラーニングは、機械学習において重要な概念であり、人工知能ニューラルネットワークが大規模な事前学習データベースから恩恵を受けることができる。 本稿では,AudioSetのサブセット上で,様々なモデル状態の事前学習を行うオーディオ・オーディオ・トランスファー学習について検討する。 事前学習データにおけるサンプル数やクラス数の増加は、転送学習に肯定的な影響を及ぼすと報告した。
  論文  参考訳（メタデータ） (2026-03-26T14:18:29Z)
• What Matters for Bioacoustic Encoding [34.118070876417065]
  本研究は,生物音響学の側面を包括する大規模実証研究である。 既存のベンチマークと提案ベンチマークで最先端のエンコーダを得る。 具体的には、種分類、検出、個人ID、発声レパートリー発見などのタスクを含む26のデータセットにまたがって、自己教師付き事前訓練に続いて、教師付き後訓練を行う。
  論文  参考訳（メタデータ） (2025-08-15T23:52:34Z)
• Discrete Audio Tokens: More Than a Survey! [137.3721175670642]
  本稿では,離散型音声トークンの体系的レビューとベンチマークを行う。 音声、音楽、一般的なオーディオドメインをカバーしている。 本稿では,エンコーダデコーダ,量子化技術,トレーニングパラダイム,ストリーム性,アプリケーションドメインに基づくトークン化アプローチの分類法を提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:35:43Z)
• The iNaturalist Sounds Dataset [60.157076990024606]
  iNatSoundsは、5500種以上の音をキャプチャする23万のオーディオファイルのコレクションで、世界中で27,000人以上のレコーダーが貢献している。 このデータセットは、鳥類、哺乳類、昆虫、虫類、両生類からの音を包含し、iNaturalistに提出された観察から得られたオーディオおよび種名を含む。 我々は、次世代の公的なエンゲージメントアプリケーションを支えるこのデータに基づいて訓練されたモデルを構想し、大規模なオーディオコレクションの処理において生物学者、生態学者、土地利用管理者を支援する。
  論文  参考訳（メタデータ） (2025-05-31T02:07:37Z)
• NatureLM-audio: an Audio-Language Foundation Model for Bioacoustics [35.72581102737726]
  NatureLM-audioはバイオ音響学に特化して設計された最初のオーディオ言語基盤モデルである。 トレーニングデータセットは、バイオアコースティック、スピーチ、音楽にまたがるテキストとオーディオのペアを慎重にキュレートしたものだ。 音楽や音声から生体音響への学習表現の伝達が成功し,本モデルは未知の分類群や課題への有望な一般化を示す。
  論文  参考訳（メタデータ） (2024-11-11T18:01:45Z)
• Transferable Models for Bioacoustics with Human Language Supervision [0.0]
  BioLingualは、対照的な言語-オーディオ事前学習に基づくバイオ音響学の新しいモデルである。 分類群にまたがる1000種以上の呼び出しを識別し、完全なバイオ音響タスクをゼロショットで実行し、自然のテキストクエリから動物の発声記録を検索する。
  論文  参考訳（メタデータ） (2023-08-09T14:22:18Z)
• ASiT: Local-Global Audio Spectrogram vIsion Transformer for Event Classification [42.95038619688867]
  ASiTは、グループマスク付きモデル学習と自己蒸留を用いて、局所的およびグローバルな文脈情報をキャプチャする、新しい自己教師型学習フレームワークである。 我々は、音声イベント分類、キーワードスポッティング、話者識別を含む音声および音声の分類タスクにおいて、事前訓練されたモデルを評価する。
  論文  参考訳（メタデータ） (2022-11-23T18:21:09Z)
• Domain-Specific Language Model Pretraining for Biomedical Natural Language Processing [73.37262264915739]
  バイオメディシンなどのラベルなしテキストの少ないドメインでは、スクラッチから言語モデルを事前学習することで、かなりの利益が得られることを示す。 実験の結果, ドメイン固有のプレトレーニングは, 幅広い生物医学的NLPタスクの基盤となることが明らかとなった。
  論文  参考訳（メタデータ） (2020-07-31T00:04:15Z)

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。