2025年のSED論文を読む

なぜかOpen reviewに接続できなくなった

まじか...

これらを読み,関連論文から有用な論文に飛ぶ?

ちょっと時間がかかる

その中で読みたい論文

Debiased Training For Semi-supervised Sound Event Detection

半教師あり学習につきもののバイアスを低減

MTDA-HSED: Mutual-Assistance Tuning and Dual-Branch Aggregating for Heterogeneous Sound Event Detection

複数のブランチの特徴を融合するモジュールを提案している

見た方が良い

Effective Pre-Training of Audio Transformers for Sound Event Detection

事前学習時に色々調整する

Prototype based Masked Audio Model for Self-Supervised Learning of Sound Event Detection

ガウス混合モデルからフレームレベルのラベルを生成?

StrongとWeekラベルの違いを忘れたけど,どちらかがフレームレベルだったと思う

それともCNNかRNNのどちらかがフレームレベルで学習するのだっけ?

音響イベント検出のtutorialを読んだ方が良さそう

Global Enhanced Frame Prompt Tuning for Sound Event Detection

Promptとあるのが非常に怪しいが,事前学習済みモデルの痛し痒しな点を改善すると言っているので,気になる

Graph-Enhanced Dual-Stream Feature Fusion with Pre-Trained Model for Acoustic Traffic Monitoring

特徴融合をフレームレベルでやっていて,その手法が気になる

FAF-Filt: Frequency-aware Fourier Filter for Sound Event Detection

周波数を使って解析

FDY-CRNNと同等の精度を少ないパラメータで出せるとしている

研究と関連して読みたい

Model-Driven Learning Approach for Robust WiFi-based Fall Detection

転倒をWifiのCSIで予測

動機や新規性,実験など様々な点で研究の参考になるだろう

Planing It by Ear: Convolutional Neural Networks for Acoustic Anomaly Detection in Industrial Wood Planers

木材の製材所における故障について,音で異常検知を行う

異常検知のユースケースとしてIntroに興味があるし,実際にどのようなデータをどう集めて,アノテーションし,どう学習し,精度を確認するのか,一連の方法全てに興味がある

UCIL: An Unsupervised Class Incremental Learning Approach for Sound Event Detection

継続学習に焦点を当てているっぽい?

教師なし学習であるクラス増分学習でラベルなしデータを活用する

そこまで関係はないが読みたい

Infant Cry Detection Using Causal Temporal Representation

アノテーションの少ないデータについてどうアプローチするか論じている

Exploring Text-Queried Sound Event Detection with Audio Source Separation

どうやってテキストクエリで音源分離を実現するか,なぜそうしてSEDをするのか,がよく分からない

結局何を目指しているのか含めて読みたい

Text-guided Device-realistic Sound Generation for Fiber-based Sound Event Classification

こちらもテキストを用いているらしい

環境音について,事前学習済みモデルが学習に利用したデータと,実際に録音される音声とで周波数特性が異なり,ドメインシフトが起こるらしい,というのが気になる

Formula-Supervised Sound Event Detection: Pre-Training Without Real Data

事前学習時に数式からデータを生成する手法

Sub-band Domain Multi-Hypothesis Acoustic Echo Canceler Based Acoustic Scene Analysis

全体的に何を言っているか分からない

FlashSR: One-step Versatile Audio Super-resolution via Diffusion Distillation

純粋になぜ必要なのかが気になる

Wasserstein Heterogeneous Graph Neural Networks for Uncertainty-Aware Anomaly Detection

GNNが気になっているので,少し読みたいかも

A decade of DCASE: Achievements, practices, evaluations and future challenges

Concentrating Harder for Faster Audio Transformer

Transformerのためにトークンとラベルに関して何かやるっぽいのだが,今一何を言っているのかよく分からない

Two-Stream Spiking Neural Network for Event-based Action Recognition

イベントカメラが気になる

なぜSNNを使うのかも気になる

Audio Event Detection and Classificationの6本は確定

いくつか参考にできそうなトピックがあるが,今回は見送り

今後読みたいものが多数あった

特にNeural Network Training MethodsとAnomalous Sound Detection