SoundCollage: 音频数据集中新类别的自动发现
声音
2025-01-22 v2 音频与语音处理
摘要
开发新的机器学习应用通常需要收集新的数据集。然而，现有的数据集可能已经包含用于训练新用途模型的相关信息。我们提出 SoundCollage：一个通过在音频样本中（1）引入音频预处理流水线来分解不同声音，以及（2）采用基于模型的自动标注机制来识别所发现类别的框架。此外，我们引入清晰度度量来评估所发现类别的连贯性，以便更好地训练新的下游应用。我们的评估表明，在所发现类别样本和保留数据集上，下游音频分类器的准确率分别比基线提高了最多 34.7% 和 4.5%。这些结果凸显了 SoundCollage 在通过新发现类别进行标注使数据集可复用方面的潜力。为鼓励该领域的进一步研究，我们在 https://github.com/nokia-bell-labs/audio-class-discovery 开源代码。
引用
@article{arxiv.2410.23008,
title = {SoundCollage: Automated Discovery of New Classes in Audio Datasets},
author = {Ryuhaerang Choi and Soumyajit Chatterjee and Dimitris Spathis and Sung-Ju Lee and Fahim Kawsar and Mohammad Malekzadeh},
journal= {arXiv preprint arXiv:2410.23008},
year = {2025}
}
备注
5 pages, 2 figures. Accepted in IEEE ICASSP 2025