Buchumschlag

Class-Aware Permutation-Invariant Signal-to-Distortion Ratio for Semantic Segmentation of Sound Scene with Same-Class Sources

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nguyen, Binh Thien, Yasuda, Masahiro, Takeuchi, Daiki, Niizumi, Daisuke, Harada, Noboru
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Baseline Systems and Evaluation Metrics for Spatial Semantic Segmentation of Sound Scenes
von: Nguyen, Binh Thien, et al.
Veröffentlicht: (2025)

CLAP-ART: Automated Audio Captioning with Semantic-rich Audio Representation Tokenizer
von: Takeuchi, Daiki, et al.
Veröffentlicht: (2025)

Assessing the Utility of Audio Foundation Models for Heart and Respiratory Sound Analysis
von: Niizumi, Daisuke, et al.
Veröffentlicht: (2025)

M2D-CLAP: Exploring General-purpose Audio-Language Representations Beyond CLAP
von: Niizumi, Daisuke, et al.
Veröffentlicht: (2025)

Towards Pre-training an Effective Respiratory Audio Foundation Model
von: Niizumi, Daisuke, et al.
Veröffentlicht: (2025)

Description and Discussion on DCASE 2025 Challenge Task 4: Spatial Semantic Segmentation of Sound Scenes
von: Yasuda, Masahiro, et al.
Veröffentlicht: (2025)

Rethinking Masking Strategies for Masked Prediction-based Audio Self-supervised Learning
von: Niizumi, Daisuke, et al.
Veröffentlicht: (2026)

Description and Discussion on DCASE 2026 Challenge Task 4: Spatial Semantic Segmentation of Sound Scenes
von: Nguyen, Binh Thien, et al.
Veröffentlicht: (2026)

M2D-CLAP: Masked Modeling Duo Meets CLAP for Learning General-purpose Audio-Language Representation
von: Niizumi, Daisuke, et al.
Veröffentlicht: (2024)

Masked Modeling Duo: Towards a Universal Audio Pre-training Framework
von: Niizumi, Daisuke, et al.
Veröffentlicht: (2024)

Exploring Pre-trained General-purpose Audio Representations for Heart Murmur Detection
von: Niizumi, Daisuke, et al.
Veröffentlicht: (2024)

Refining Knowledge Transfer on Audio-Image Temporal Agreement for Audio-Text Cross Retrieval
von: Tsubaki, Shunsuke, et al.
Veröffentlicht: (2024)

Description and Discussion on DCASE 2026 Challenge Task 2: Noise-aware Unsupervised Anomalous Sound Detection for Machine Condition Monitoring
von: Nishida, Tomoya, et al.
Veröffentlicht: (2026)

6DoF SELD: Sound Event Localization and Detection Using Microphones and Motion Tracking Sensors on self-motioning human
von: Yasuda, Masahiro, et al.
Veröffentlicht: (2024)

Unrestricted Global Phase Bias-Aware Single-channel Speech Enhancement with Conformer-based Metric GAN
von: Zhang, Shiqi, et al.
Veröffentlicht: (2024)

Description and Discussion on DCASE 2025 Challenge Task 2: First-shot Unsupervised Anomalous Sound Detection for Machine Condition Monitoring
von: Nishida, Tomoya, et al.
Veröffentlicht: (2025)

What Do Neurons Listen To? A Neuron-level Dissection of a General-purpose Audio Model
von: Kawamura, Takao, et al.
Veröffentlicht: (2026)

SoundBeam meets M2D: Target Sound Extraction with Audio Foundation Model
von: Hernandez-Olivan, Carlos, et al.
Veröffentlicht: (2024)

Analytic Class Incremental Learning for Sound Source Localization with Privacy Protection
von: Qian, Xinyuan, et al.
Veröffentlicht: (2024)

Description and Discussion on DCASE 2024 Challenge Task 2: First-Shot Unsupervised Anomalous Sound Detection for Machine Condition Monitoring
von: Nishida, Tomoya, et al.
Veröffentlicht: (2024)

Permutation-Invariant Physics-Informed Neural Network for Region-to-Region Sound Field Reconstruction
von: Chen, Xingyu, et al.
Veröffentlicht: (2026)

A Study of the Scale Invariant Signal to Distortion Ratio in Speech Separation with Noisy References
von: Jepsen, Simon Dahl, et al.
Veröffentlicht: (2025)

Permutation Invariant Recurrent Neural Networks for Sound Source Tracking Applications
von: Diaz-Guerra, David, et al.
Veröffentlicht: (2023)

SoundSil-DS: Deep Denoising and Segmentation of Sound-field Images with Silhouettes
von: Tanigawa, Risako, et al.
Veröffentlicht: (2024)

Class-Incremental Learning for Sound Event Localization and Detection
von: Pandey, Ruchi, et al.
Veröffentlicht: (2024)

Guided Masked Self-Distillation Modeling for Distributed Multimedia Sensor Event Analysis
von: Yasuda, Masahiro, et al.
Veröffentlicht: (2024)

Entropy-Guided GRVQ for Ultra-Low Bitrate Neural Speech Codec
von: Ren, Yanzhou, et al.
Veröffentlicht: (2026)

SoundCollage: Automated Discovery of New Classes in Audio Datasets
von: Choi, Ryuhaerang, et al.
Veröffentlicht: (2024)

Sound Classification of Four Insect Classes
von: Wang, Yinxuan, et al.
Veröffentlicht: (2024)

UCIL: An Unsupervised Class Incremental Learning Approach for Sound Event Detection
von: Xiao, Yang, et al.
Veröffentlicht: (2024)

AFT: An Exemplar-Free Class Incremental Learning Method for Environmental Sound Classification
von: Chen, Xinyi, et al.
Veröffentlicht: (2025)

Acousto-optic reconstruction of exterior sound field based on concentric circle sampling with circular harmonic expansion
von: Nguyen, Phuc Duc, et al.
Veröffentlicht: (2023)

AudioCIL: A Python Toolbox for Audio Class-Incremental Learning with Multiple Scenes
von: Xu, Qisheng, et al.
Veröffentlicht: (2024)

Domain-Invariant Representation Learning of Bird Sounds
von: Moummad, Ilyass, et al.
Veröffentlicht: (2024)

Leveraging Sound Source Trajectories for Universal Sound Separation
von: Wu, Donghang, et al.
Veröffentlicht: (2024)

Sound Separation and Classification with Object and Semantic Guidance
von: Kwon, Younghoo, et al.
Veröffentlicht: (2025)

Importance-Weighted Domain Adaptation for Sound Source Tracking
von: Zhong, Bingxiang, et al.
Veröffentlicht: (2025)

Acoustic Scene Classification: A Competition Review
von: Gharib, Shayan, et al.
Veröffentlicht: (2018)

Eliminating Quantization Errors in Classification-Based Sound Source Localization
von: Feng, Linfeng, et al.
Veröffentlicht: (2023)

Physics-Guided Variational Model for Unsupervised Sound Source Tracking
von: Fiorio, Luan Vinícius, et al.
Veröffentlicht: (2026)