FedAudio：面向音频任务的联邦学习基准
声音
2023-02-09 v4 分布式、并行与集群计算
音频与语音处理
摘要
近年来，由于与持续从用户收集数据的消费设备普遍性相关的数据隐私问题，联邦学习 (FL) 受到了大量关注。虽然已开发了许多 FL 基准以促进 FL 研究，但它们均未包含音频数据和音频相关任务。在本文中，我们通过引入一个我们称之为 FedAudio 的面向音频任务的新的 FL 基准来填补这一关键空白。FedAudio 包含来自三个重要音频任务的四个具代表性且常用的音频数据集，与 FL 用例高度契合。特别地，FedAudio 的独特贡献是向数据集引入数据噪声和标签错误，以模拟在真实世界部署 FL 系统时的挑战。FedAudio 还包含数据集的基准结果和一个 PyTorch 库，旨在方便研究者公平比较其算法。我们希望 FedAudio 能作为催化剂，启发音频任务的新 FL 研究，从而惠及声学与语音研究界。数据集和基准结果可在 https://github.com/zhang-tuo-pdf/FedAudio 获取。
引用
@article{arxiv.2210.15707,
title = {FedAudio: A Federated Learning Benchmark for Audio Tasks},
author = {Tuo Zhang and Tiantian Feng and Samiul Alam and Sunwoo Lee and Mi Zhang and Shrikanth S. Narayanan and Salman Avestimehr},
journal= {arXiv preprint arXiv:2210.15707},
year = {2023}
}