FEARLESS STEPS 挑战赛 (FS-2)：基于海量自然 Apollo 数据的监督学习
音频与语音处理
2020-08-18 v1 声音
摘要
由 UTDallas-CRSS 发起的 Fearless Steps 计划实现了 19,000 小时原始模拟音频数据的数字化、恢复与说话人日志化，并开发了从该多通道自然数据资源中提取有意义信息的算法。2020 年 FEARLESS STEPS (FS-2) 挑战赛是面向语音与语言技术界举办的第二届年度挑战赛，旨在推动针对多方多流自然音频的监督学习算法开发。本文概述了该挑战赛的子任务、数据、性能度量，以及从 Fearless Steps 挑战赛 (FS-2) 第二阶段汲取的经验。我们介绍了 FS-2 通过广泛的社区推广与反馈所取得的进展。我们描述了挑战赛语料库开发的创新，并给出了修订后的基线结果。最后我们讨论了挑战赛成果及两个阶段的系统开发总体趋势（FS-1 无监督阶段与 FS-2 监督阶段），以及其向即将到来的 Fearless Steps 挑战赛第三阶段多通道任务方向的延续。
引用
@article{arxiv.2008.06764,
title = {FEARLESS STEPS Challenge (FS-2): Supervised Learning with Massive Naturalistic Apollo Data},
author = {Aditya Joglekar and John H. L. Hansen and Meena Chandra Shekar and Abhijeet Sangwan},
journal= {arXiv preprint arXiv:2008.06764},
year = {2020}
}
备注
Paper Accepted in the Interspeech 2020 Conference