LISTEN：用于边缘通知的轻量级工业声音表示 Transformer
声音
2025-07-14 v2 音频与语音处理
摘要
基于深度学习的机器听觉正在拓宽工业声学分析的范围，应用于异常检测和预测性维护等领域，从而提高制造效率和可靠性。然而，它对于每个新任务都依赖于大型的、特定任务的标注数据集，这限制了其在车间的大规模实施。虽然新兴的声音基础模型旨在缓解数据依赖性，但它们体积过大且计算成本高昂，需要云基础设施或高端硬件，这对于现场的实时部署是不切实际的。我们通过 LISTEN（用于边缘通知的轻量级工业声音表示 Transformer）填补了这一空白，这是一种千字节大小的工业声音基础模型。利用知识蒸馏，LISTEN 可以在低成本的边缘设备上实时运行。在基准下游任务上，它的表现几乎与其大得多的父模型完全相同，即使在使用最少的数据集和训练资源进行微调时也是如此。除了模型本身，我们通过将 LISTEN 集成到带有工业物联网（IIoT）传感器和系统的边缘设备上的完整机器监控框架中，展示了其在真实世界中的实用性，并在实际制造车间验证了其性能和泛化能力。
引用
@article{arxiv.2507.07879,
title = {LISTEN: Lightweight Industrial Sound-representable Transformer for Edge Notification},
author = {Changheon Han and Yun Seok Kang and Yuseop Sim and Hyung Wook Park and Martin Byung-Guk Jun},
journal= {arXiv preprint arXiv:2507.07879},
year = {2025}
}