CURriculum Ranking Loss for Large-Scale Speaker Verification: 什么以及何时学习
声音
2026-03-26 v1 计算与语言
摘要
大规模说话人验证仍是一个开放性挑战，因为固定边际损失会对所有样本相等对待，无论其质量如何。我们假设，误标记或降级样本会引入噪声梯度，干扰说话人流形的紧凑性。我们提出了Curry（CURriculum Ranking），一种自适应损失函数，通过Sub-center ArcFace估计样本难度：来自dominant sub-center余弦相似度的置信度得分将样本排序为易、中、难三个层级，无需额外标注。可学习的权重引导模型从稳定的身份基础到流形细化再到边界锐化。到我们知识的前沿，这是目前规模最大的说话人验证系统。评估VoxCeleb1-O和SITW时，Curry相对于Sub-center ArcFace基线将EER降低86.8%和60.0%，确立了一种针对不完美大规模数据的稳健说话人验证的新范式。
引用
@article{arxiv.2603.24432,
title = {What and When to Learn: CURriculum Ranking Loss for Large-Scale Speaker Verification},
author = {Massa Baali and Sarthak Bisht and Rita Singh and Bhiksha Raj},
journal= {arXiv preprint arXiv:2603.24432},
year = {2026}
}