角度边界的阿喀琉斯之踵：用于说话人验证的切比雪夫多项式修正
声音
2026-01-21 v1
摘要
诸如 AAM-Softmax 等角度间隔损失已成为说话人和人脸验证事实上的标准。它们的成功依赖于直接操纵特征与类原型之间的角度。然而，这种操纵依赖反余弦函数来恢复角度，引入了一个显著却被忽视的训练不稳定性来源。反余弦函数的导数在其边界处趋于无穷大，导致优化过程中出现梯度峰值。此外，该公式无法为难以分类的样本生成足够尖锐的梯度。我们通过提出 ChebyAAM 来解决这些问题，这是一种用切比雪夫多项式近似替代反余弦操作的损失函数。这种替代消除了梯度爆炸，并对困难样本施加了更强的校正信号，从而实现了更有效的优化。在三个基准测试（VoxCeleb、SITW 和 CN-Celeb）上的实验表明，我们的方法解决了不稳定性并持续提升了性能。我们的研究表明，近似角度操作而非显式计算它们，为设计未来的度量学习损失提供了一条更稳健的路径。代码可在 https://github.com/ExtraOrdinaryLab/vibe 获取。
引用
@article{arxiv.2601.13198,
title = {The Achilles' Heel of Angular Margins: A Chebyshev Polynomial Fix for Speaker Verification},
author = {Yang Wang and Yiqi Liu and Chenghao Xiao and Chenghua Lin},
journal= {arXiv preprint arXiv:2601.13198},
year = {2026}
}
备注
Accepted for presentation at ICASSP 2026