論文の概要: Beyond Answer Changes: Matched Same-Class Controls for Local Audio Evidence

• arxiv url: http://arxiv.org/abs/2610.37605v1
• Date: Tue, 27 Oct 2026 17:36:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.735186
• Title: Beyond Answer Changes: Matched Same-Class Controls for Local Audio Evidence
• Title（参考訳）: アンサーの変更点を超えて: ローカルオーディオエビデンスのための一致したクラス制御
• Abstract要約: クエリされたイベントの同じクラスと異なるクラスの置換を比較します。 どちらも同じ間隔、レベル推定、ドナーフィッティング、クロスフェイドを使用する。 このプロトコルは、イベントクラスのローカルな変更に対してモデル回答がどのように反応するかをテストする。
• 参考スコア（独自算出の注目度）: 2.85207977237723
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For audio-language models, an answer change after a local sound-event edit can reflect a response to the event's class, sensitivity to waveform rewriting, or both. We compare matched same-class and different-class replacements of a queried event. Both use the same interval, level estimate, donor fitting, and crossfade, while the same-class replacement preserves the correct answer. Across 600 synthetic soundscapes and three models from two architecture families, different-class replacements produce 49.7 to 60.9 percentage points more answer changes than same-class replacements. Same-class accuracy remains within 5.2 percentage points of original accuracy. Among trials with correct original and same-class answers, soundscape-weighted selective accuracy for the inserted class is 73.7 to 81.9%, averaging eligible trials within each soundscape and then weighting eligible soundscapes equally. This protocol tests how model answers respond to local changes in event class.
• Abstract（参考訳）: 音声言語モデルでは、局所的なサウンドイベント編集後の回答変更は、イベントのクラスに対する応答、波形書き換えに対する感度、あるいはその両方を反映することができる。 クエリされたイベントの同一クラスと異なるクラスの置換を比較します。 どちらも同じインターバル、レベル推定、ドナーフィッティング、クロスフェイドを使用し、同じクラスの置き換えは正しい回答を保存する。 600以上の合成サウンドスケープと2つのアーキテクチャファミリーの3つのモデルでは、異なるクラスの代替品は、同じクラスの代替品よりも49.7から60.9パーセントの回答変更を発生させる。 同一クラスの精度は、元の精度の5.2ポイント以内である。 正しいオリジナルと同一クラスの答えを持つ試験では、挿入されたクラスのサウンドスケープ重み付けされた選択精度は73.7から81.9%であり、各サウンドスケープで適用可能なトライアルを平均化し、適格なサウンドスケープを均等に重み付けする。 このプロトコルは、イベントクラスのローカルな変更に対してモデル回答がどのように反応するかをテストする。

関連論文リスト

• DF-PALM: Dynamic Fusion Prompt Learning for Audio--Language Models [57.25672896669361]
  限られたラベル付きデータと可変音響イベントを区別するために、音声モデルを必要とする音声分類は少ない。 Palmの主な定式化は、事前訓練されたエンコーダを変更することなく、エンコードされたクラス表現に適応するが、そのクラス表現は入出力に依存しないままである。 本稿では,音声条件付きクラス表現と非対称なクロスアテンションを組み合わせた動的特徴空間プロンプトフレームワークDF-PALMを紹介する。
  論文  参考訳（メタデータ） (2026-10-18T00:02:04Z)
• Bayesian Test-Time Inference of Task-Aligned Similarity from Weak Interactive Feedback [50.42640957891911]
  言語モデルシステムは、類似性を比較することで、繰り返しテスト時の決定を行う。 しかし、類似性はユニークではない:語彙、意味、構造、類似性はNの選択点を取得することができる。 本稿では,現在の意思決定を統括するトレーニングフリーベイズ手法であるAxis Interactive Signalsを紹介する。
  論文  参考訳（メタデータ） (2026-10-13T16:19:49Z)
• Sample-Conditioned Representation Selection for Audio Few-Shot Learning [14.872888820695666]
  音声分類器は、前景と後景の共起に頼り、それらの相関が変化すると失敗することがある。 本稿では,各入力に対して独立に固定予算特徴マスクを予測するSAMPLESELECTを提案する。 一致した全表現制御を4.90-8.38ポイント改善する。
  論文  参考訳（メタデータ） (2026-09-15T12:15:12Z)
• Can Foundation Models Hear What Made That Sound? A Tiered Benchmark of Audio-Language Models and Traditional Classifiers for Closed-Set Sound Source Identification [0.37331950863394864]
  11種類の音声分類法をベンチマークする。 我々は,2,242本以上のクリップをクローズドセットした音源識別タスクで評価した。 最も優れたモデルであるGemini-3.1-Pro-Previewは85.6%のカテゴリーレベルのF1と56.7%の微粒なF1に達する。
  論文  参考訳（メタデータ） (2026-08-03T15:39:57Z)
• CAARMA: Class Augmentation with Adversarial Mixup Regularization [59.938216853878636]
  話者検証は典型的なゼロショット学習課題である。 クラス拡張フレームワークであるCAARMAを紹介する。 当社のフレームワークは,すべてのベースラインモデルに対して,8%の大幅な改善を実現しています。
  論文  参考訳（メタデータ） (2025-03-20T21:41:16Z)
• Studying the Effect of Audio Filters in Pre-Trained Models for Environmental Sound Classification [0.0]
  我々は過去数年間に,ログメルスペクトル,ガンマトンスペクトル係数,メルスペクトル係数などの様々なオーディオ特徴から,様々なCNNモデルを用いて音声特徴を学習してきた。 本稿では,2レベル分類という新たな手法を提案する。レベル1は音声信号をより広いクラスに分類し,レベル2は音声が属する実際のクラスを見つける。 また,本論文では,Audio Cropの新たな手法を導入し,アキュの最大化を図った。
  論文  参考訳（メタデータ） (2024-08-24T18:13:07Z)
• 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)
• Continual Learning for On-Device Speech Recognition using Disentangled Conformers [54.32320258055716]
  本稿では,LibriVoxオーディオブックから派生した話者固有領域適応のための連続学習ベンチマークを提案する。 本稿では,DistangledCLと呼ばれる計算効率のよい連続学習アルゴリズムを提案する。 実験の結果, DisConformer モデルは一般的な ASR のベースラインよりも有意に優れていた。
  論文  参考訳（メタデータ） (2022-12-02T18:58:51Z)
• Audio Interval Retrieval using Convolutional Neural Networks [0.0]
  本稿では,自然言語クエリに基づく音声イベント検索の可能性を検討することを目的とする。 特に、オーディオサンプルを自動的に分類するために、YamNet、AlexNet、ResNet-50の事前訓練モデルに焦点を当てます。 結果,ベンチマークモデルの性能は同等であり,YamNetは他の2モデルよりも若干優れていた。
  論文  参考訳（メタデータ） (2021-09-21T01:32:18Z)

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。