面向副语言学语音处理的机器遗忘
音频与语音处理
2025-06-04 v1 声音
摘要
在这项工作中，我们开创了机器遗忘（MU）在副语言学语音处理（PSP）中的研究。我们关注两个关键的 PSP 任务：语音情感识别（SER）和抑郁症检测（DD）。为此，我们提出了 SISA++，这是对先前最先进（SOTA）MU 方法 SISA 的新型扩展，通过对在不同分片上训练的模型进行权重平均来合并模型。通过这些修改，我们表明在基准 SER（CREMA-D）和 DD（E-DAIC）数据集上，SISA++ 在遗忘后比 SISA 更好地保持了性能。此外，为了指导未来在 PSP 中更轻松地采用 MU 的研究，我们提供了“实用指南”——即可操作的建议，用于选择最佳的特征表示和下游架构，以减轻遗忘过程后的性能下降。
引用
@article{arxiv.2506.02230,
title = {Towards Machine Unlearning for Paralinguistic Speech Processing},
author = {Orchid Chetia Phukan and Girish and Mohd Mujtaba Akhtar and Shubham Singh and Swarup Ranjan Behera and Vandana Rajan and Muskaan Singh and Arun Balaji Buduru and Rajesh Sharma},
journal= {arXiv preprint arXiv:2506.02230},
year = {2025}
}
备注
Accepted to INTERSPEECH 2025