Auto-AEG: Rilevamento Scalabile di Eventi Audio tramite Costruzione Automatica dei Dati
Un nuovo sistema scalabile chiamato Auto-AEG è stato sviluppato da ricercatori per il Rilevamento di Eventi Audio a Vocabolario Aperto, che identifica tutti gli intervalli temporali di un evento sonoro specifico basandosi su qualsiasi query in linguaggio naturale. Per contrastare la scarsità di dati, questo metodo genera supervisione creando clip sintetizzati programmaticamente con intervalli di verità assoluta per l'addestramento iniziale, insieme a pseudo-etichette multi-modello derivate da audio del mondo reale. Questa tecnica raggiunge una precisione a livello di frame nel rilevamento di eventi sonori a vocabolario aperto, collegando efficacemente i Grandi Modelli Audio-Linguistici (LALM) che analizzano il suono ma mancano di localizzazione precisa con il Rilevamento Tradizionale di Eventi Sonori limitato a insiemi di etichette predefiniti. I risultati sono pubblicati in un articolo su arXiv (2607.04383).
Fatti principali
- Auto-AEG è un sistema scalabile per il Rilevamento di Eventi Audio a Vocabolario Aperto.
- Combina clip sintetizzati programmaticamente con intervalli di verità assoluta e pseudo-etichette multi-modello su audio del mondo reale.
- Il metodo affronta la scarsità di dati nel rilevamento di eventi audio.
- I Grandi Modelli Audio-Linguistici (LALM) ragionano sul suono ma hanno difficoltà con la localizzazione precisa.
- Il Rilevamento Classico di Eventi Sonori raggiunge una precisione a livello di frame solo su insiemi di etichette chiusi.
- L'articolo è disponibile su arXiv con ID 2607.04383.
- Il sistema consente una supervisione di inizio/fine a vocabolario aperto.
- L'annotazione temporale manuale è proibitivamente costosa.
Entità
Istituzioni
- arXiv