論文の概要: Dual-Channel Contrastive Encoding of Sperm Whale Coda
- arxiv url: http://arxiv.org/abs/2610.29101v1
- Date: Wed, 21 Oct 2026 02:46:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.182261
- Title: Dual-Channel Contrastive Encoding of Sperm Whale Coda
- Title（参考訳）: Sperm Whale Codaのデュアルチャネルコントラスト符号化
- Abstract要約: クジラはコダと呼ばれる短いクリックシーケンスで通信する。
本稿では,Dual-Channel Contrastive (DCCE)を提案する。
我々は,コダ型,コダ型,個人識別の3つの課題について,DCCEを評価した。
- 参考スコア（独自算出の注目度）: 3.8105374488801815
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sperm whales (Physeter macrocephalus) communicate through short click sequences called codas, whose structure includes the rhythmic pattern of inter-click intervals (ICI) and the spectral composition of the clicks. In this paper, we propose the Dual-Channel Contrastive Encoder (DCCE), which explicitly encodes rhythm and spectral information with separate encoders before fusing them. We evaluate DCCE on three coda-understanding tasks: social unit, coda type, and individual identification. We compare DCCE against strong baselines from literature under a common linear-probe protocol and analyze the role of each channel and training objective through ablations. On 1,383 codas, shared partitions and validation-only layer selection support three random splits and three recording-date-disjoint folds. DCCE with unit pairing and type supervision achieves mean random-split macro-F1 of 0.901/0.865/0.597 for unit/type/identity. Raw ICI remains strongest for type (0.987), and ICI plus temporal mel statistics is a strong identity reference (0.724). An auxiliary identity objective improves spectral-branch identity prediction but does not improve the mean fused-identity score in this configuration. Date-grouped evaluation and four year holdouts expose generalization limits. The results support task-dependent combinations of timing and spectral information, without establishing independent biological channels or general architectural superiority. Code, notebooks, and complete results are available at https://dcce-research-site.vercel.app.
- Abstract（参考訳）: コウクジラ(Physeter macrocephalus)はコダと呼ばれる短いクリックシーケンスを通して通信し、その構造はクリック間間隔(ICI)のリズミカルパターンとクリックのスペクトル組成を含む。
本稿では,Dual-Channel Contrastive Encoder (DCCE)を提案する。
我々は,コダ型,コダ型,個人識別の3つの課題について,DCCEを評価した。
我々は,共通の線形プローブプロトコル下での文献からの強いベースラインとDCCEを比較し,各チャネルの役割を解析し,改善を通じて目標を訓練する。
1,383コダでは、共有パーティションとバリデーションのみの層選択が3つのランダムスプリットと3つのレコード・デート・ディスジョイント・フォールドをサポートする。
ユニットペアリングと型管理を備えたDCCEは、単位/型/同一性に対して0.901/0.865/0.597の平均ランダムスプリットマクロF1を達成する。
生ICIは型(0.987)で最強であり、ICI+時間メル統計は強いアイデンティティ参照(0.724)である。
補助的なアイデンティティー目的はスペクトルブランチのアイデンティティー予測を改善するが、この構成では平均的な融合アイデンティティースコアは改善しない。
日付グループ評価と4年間のホールドアウトは、一般化の限界を露呈する。
この結果は、独立した生物学的チャネルや一般的なアーキテクチャ上の優位性を確立することなく、時間とスペクトル情報のタスク依存の組み合わせをサポートする。
コード、ノートブック、そして完全な結果はhttps://dcce-research-site.vercel.app.comで入手できる。
関連論文リスト
- Correlation-Guided Encoder Selection for Multi-Encoder Large Audio-Language Models [52.59216139491759]
CUES (Correlation-gUided Selection) は、単エンコーダ評価のみから選択中の融合訓練なしで設定された候補をスコアする。
広いトラックAスイートでは、CUESはクロスファミリートリオ(Whisper-medium、mHuBERT-147、Dasheng-base)を選択する。
TrackBテキスト生成では、フォーカスされた音声のみのペア(mHuBERT-147とWavLM-base-plus)で再アンカーする。
論文 参考訳（メタデータ） (2026-09-16T02:41:41Z) - ChorusTIC: Training-Free Multivariate Time Series Classification via Chorus In-Context Learning [52.72143039958434]
異種チャネル構成にまたがるコンテキスト内分類のための分類ネイティブ基盤モデルであるChorusticを導入する。
Chorusticは、可変チャネル構成を元のチャネルカウントとは無関係に固定幅の表現にマッピングする。
コンテキスト由来の分布を使って機能軸を校正し、リーク保護されたコンテキスト内学習を通じてクエリラベルを予測する。
論文 参考訳（メタデータ） (2026-08-25T03:45:24Z) - A Unified Backbone--Expert Framework with Relation-Token and Residual--Classifier Interfaces for Automatic Modulation Recognition [1.547549252134621]
本稿では、共通の畳み込み状態空間のバックボーンと2つの特殊なインターフェースを持つ統一されたバックボーン・エキスパート・フレームワークを提案する。
我々のフレームワークは、RML2016.10bで67.28 pm 0.14%、HisarMod 2019で87.19 pm 0.77%という、全体的な平均精度を実現しています。
論文 参考訳（メタデータ） (2026-08-15T10:26:42Z) - Frequency-Decorrelated Temporal Ensembles for EEG--fNIRS Imagined-Handwriting Decoding [5.096813697804564]
Multimodal Brain-Computer Interface Grand Challenge(英語版)は、4種類の主観非依存手書き-軌道分類のための同期脳波とfNIRSを提供する。
我々は,3つの相補的な脳波の周波数ビューに基づいて,コンパクトなマルチスケール時間ネットワークを訓練するタスク適応型システムFREDを提案する。
モダリティ監査では、fNIRSのみの復号が偶然(全体の0.2511)、fNIRSをEEGに追加すると精度が0.0025に変化している。
論文 参考訳（メタデータ） (2026-08-04T06:08:11Z) - CALM-AH: An ABAW11-Calibrated Multimodal Ensemble with Reliability-Gated Multi-Expert Consensus for Video-Level Ambivalence and Hesitancy Recognition [13.270837043204496]
ABAW11 A/Hビデオ認識チャレンジは、各自然言語インタビュービデオにバイナリA/Hラベルを割り当てるようにシステムに要求する。
本稿では,多モードアンサンブルであるCALM-AHについて述べる。
さらに,初期予測と3つの補完的な補正専門家を組み合わせたアンカー保存型意思決定レベルアンサンブルであるReliability-Gated Multi-Expert Consensus(RG-MEC)を紹介する。
論文 参考訳（メタデータ） (2026-07-31T11:37:58Z) - Pay Attention to CTC: Fast and Robust Pseudo-Labelling for Unified Speech Recognition [61.39209522608919]
統一音声認識は、音声、視覚、および聴覚の音声認識のための単一のモデルを訓練するための半教師付きフレームワークとして登場した。
そこでは,CTCの擬似ラベルをアテンションターゲットを生成するためにデコーダに入力するCTC駆動型教師強制方式を提案する。
CTCとCTC駆動のアテンション擬似ラベルは同じ長さであるため、デコーダは両方を同時に予測できる。
論文 参考訳（メタデータ） (2026-02-22T19:38:21Z) - DiffGRM: Diffusion-based Generative Recommendation Model [63.35379395455103]
ジェネレーティブレコメンデーション(GR)は、トークン化器を介して各項目をn桁のセマンティックID(SID)として表現する新興パラダイムである。
自己回帰デコーダをマスク付き離散拡散モデル(MDM)に置き換える拡散ベースGRモデルDiffGRMを提案する。
実験では、複数のデータセットに対する強力な生成的および差別的推奨ベースラインよりも一貫した利得を示す。
論文 参考訳（メタデータ） (2025-10-21T03:23:32Z) - Hierarchical Self-Supervised Representation Learning for Depression Detection from Speech [51.14752758616364]
音声による抑うつ検出 (SDD) は、従来の臨床評価に代わる有望で非侵襲的な代替手段である。
HAREN-CTCは,マルチタスク学習フレームワーク内でのクロスアテンションを用いて,多層SSL機能を統合した新しいアーキテクチャである。
このモデルはDAIC-WOZで0.81、MODMAで0.82の最先端マクロF1スコアを達成し、両方の評価シナリオで先行手法より優れている。
論文 参考訳（メタデータ） (2025-10-05T09:32:12Z) - BiCnet-TKS: Learning Efficient Spatial-Temporal Representation for Video
Person Re-Identification [86.73532136686438]
映像人物再識別(reID)のための効率的な時空間表現法を提案する。
空間相補性モデリングのための双方向相補性ネットワーク(BiCnet)を提案する。
BiCnet-TKSは、約50%の計算量で最先端の性能を発揮する。
論文 参考訳（メタデータ） (2021-04-30T06:44:34Z)
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。