論文の概要: Deployment-constrained key estimation with a DSP-guided transformer reranker

• arxiv url: http://arxiv.org/abs/2611.02408v1
• Date: Mon, 02 Nov 2026 02:29:39 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:48:27.637339
• Title: Deployment-constrained key estimation with a DSP-guided transformer reranker
• Title（参考訳）: DSP誘導変圧器リランカによる配置制約鍵推定
• Abstract要約: ローカル音楽アプリケーションは、ライブラリのインポート中にキーを推定し、小さな、高速で、プロセス内で動作するアナライザから利益を得る。 この予算に適合するが、学習基準に遅れがある、コンパクトなクロマテンプレートキーアナライザから始める。 76.7MBのフットプリントを備えた21.5k次元DSP誘導変圧器のキーライムについて述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Local music applications estimate key during library import and benefit from an analyzer that is small, fast, and runs in-process. We start from a compact chroma-template key analyzer that fits this budget but lags behind learned references. Learned systems reach higher accuracy, but their installed model and runtime dependencies can occupy tens to hundreds of megabytes. We present key lime, a 21.5k-parameter DSP-guided transformer reranker with a 115 KB model artifact and a 76.7 MB installed footprint, including the extracted ONNX Runtime. It adds 0.32 ms per track to deterministic DSP scoring. Trained from labels on 4,040 FMAK tracks, with 449 tracks for validation and 1,000 disjoint FMAKv2 tracks held out for evaluation, it improves MIREX from 61.08 to 73.55 +/- 0.46 and exact accuracy from 52.30 to 67.07 +/- 0.65 over three seeds (mean +/- population SD). It approaches a same-manifest local madmom KeyCNN reference at 74.16 MIREX. A 12-parameter circular input stage matches the accuracy range of a 468-parameter linear input projection.
• Abstract（参考訳）: ローカル音楽アプリケーションは、ライブラリのインポート中にキーを推定し、小さな、高速で、プロセス内で動作するアナライザから利益を得る。 この予算に適合するが、学習基準に遅れがある、コンパクトなクロマテンプレートキーアナライザから始める。 学習されたシステムは精度が高いが、インストールされたモデルとランタイムの依存関係は数十から数百メガバイトを占める。 我々はキーライムと115KBのモデルアーティファクトと76.7MBのフットプリントを備えた21.5kパラメーターDSP誘導トランスフォーマリランカーを提示する。 決定論的DSPスコアは1トラック当たり0.32msとなる。 4,040 FMAKトラックのラベルから訓練され、449トラックの検証用トラックと1,000トラックの分離されたFMAKv2トラックが評価のために実施され、MIREXを61.08から73.55+/- 0.46に改善し、正確な精度は52.30から3つの種(平均+/-人口SD)で52.07+/- 0.65に向上した。 74.16 MIREXで同じマドモムのKeyCNN参照に近づいた。 12パラメータの円形入力ステージは、468パラメータの線形入力プロジェクションの精度範囲と一致する。

関連論文リスト

• EMG Tokenization Preserves Movement Information at a Fraction of the Bitrate [37.31373989245858]
  コンパクトなEMGトークンは、手動復号のための情報を保持しながらペイロードを大幅に削減することを示す。 格納されたトークン配列は、生のEMGに対して41倍のペイロードを削減し、SPARの連続的な特徴に対して36倍のペイロードを削減した。 これらの知見は、ウェアラブルセンシングと運動復号とのコンパクトなインターフェースとしてトークン化を支援する。
  論文  参考訳（メタデータ） (2026-10-23T14:15:09Z)
• QuPID: Quantum Parameter-Efficient Input-Dependent Retrieval Adaptation for Medical RAG [43.163742253145635]
  QuPIDは、量子パラメータ効率の入力依存型検索適応である。 凍結した画像の特徴を限られたデータでローカルアーカイブに適応させる。 凍った医療エンコーダよりも、ChestX-ray14とmuraでAT-5(P@5)の精度が高い。
  論文  参考訳（メタデータ） (2026-09-27T08:22:58Z)
• Disaggregated Quantization: Specializing LLM Prefill and Decode [40.01359064188211]
  両相の計算形式,重み,ストレージ配置を専門とする分散量子化(DQ)を提案する。 Qwen 3 と Gemma 3 では、デコードに特化してアクティベーション量子化を取り除くことで、推論コストを増大させることなく、デコード重タスクの精度が向上する。 Qwen3.8B GGUFデコーダのリリースにより、NVFP4プリフィルのトレーニングでは、デコードチェックポイントを変更することなくMMLU-Proで32.5点、MMMU-Proで35.3点の精度が向上した。
  論文  参考訳（メタデータ） (2026-09-22T12:44:16Z)
• Parameter-Efficient Quantum NLP for Paraphrase Detection: Performance, Robustness, and Entanglement [0.05999777817331314]
  パラフレーズ検出のための10量子ビットハイブリッド量子古典変動回路の評価を行った。 QQPでは、回路は75.53% +/- 0.75%の精度を達成する。 MRPCでは、最適2層版がBERTベースの精度の92%に達し、パラメータコストは54,000ドルである。 これらの結果は,NLP用ハイブリッド変分回路の適応型マルチベンチマーク実証実験として最初のものである。
  論文  参考訳（メタデータ） (2026-09-13T14:06:49Z)
• Towards Practical Precision Agriculture: Real-Time Fruit Detection and Video Analytics on Embedded Edge Hardware [0.815557531820863]
  本研究では,NVIDIA Jetson Orin Super上で実時間果物の検出,追跡,計数を行うためのエンドツーエンドフレームワークを提案する。 軽量のYOLO26s検出器は、リンゴ、マンゴー、ブルーベリー、イチゴを表す4つの公開データセットで独立に訓練されている。 APPLE MOTSは、果肉の恒常性を持った果樹配列を提供するため、時間的ビデオ解析に使用される。
  論文  参考訳（メタデータ） (2026-09-11T21:32:02Z)
• A comparative study on the accuracy & repeatability of mobile robotic platforms for the delivery of precision NDE measurement [0.16752458252726457]
  移動ロボットプラットフォームは、大きな航空宇宙構造物の非破壊評価(NDE)のための固定マニピュレータの柔軟な代替手段を提供する。 本研究は,5つの商用モバイルプラットフォームの静的・セグメント的軌道位置決め精度を計測するレーザトラッカーに基づく評価ワークフローを提案する。
  論文  参考訳（メタデータ） (2026-09-03T13:02:25Z)
• How Much Capacity Does EEG Denoising Need? Ultra-Compact Networks reveal Benchmark Saturation and Metric-Utility Gap [0.0]
  深層学習EEG(Deep Learning EEG Denoising Architectures)は、数万から数千万のパラメータに拡張されているが、実験変数としてモデルキャパシティを分離した以前の研究はない。 アーキテクチャ,損失,データ分割,トレーニングレシピの両ギャップに対処し,最小限の深さ分離可能な畳み込みU-Netで1.05Kから40.26Kパラメータまでのチャネル幅を網羅する。
  論文  参考訳（メタデータ） (2026-06-07T12:17:25Z)
• LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
  Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。 本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。 本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
  論文  参考訳（メタデータ） (2026-01-18T12:08:38Z)
• Non-Parametric Adaptive Network Pruning [125.4414216272874]
  アルゴリズム設計を簡略化するノンパラメトリックモデリングを導入。 顔認識コミュニティに触発されて,メッセージパッシングアルゴリズムを用いて,適応的な例示数を求める。 EPrunerは「重要」フィルタを決定する際にトレーニングデータへの依存を壊します。
  論文  参考訳（メタデータ） (2021-01-20T06:18:38Z)

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。