SAMPLESELECT提升音频少样本学习泛化性
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载偏移集中在少数通道
这项研究关注小样本音频分类器的一个脆弱点：模型可能借助前景与背景之间的共现关系做出判断，一旦这种关联发生变化，性能就会下降。作者在 SpurAudio 上观察到，由此产生的表征偏移并非均匀分布，而是集中在部分通道上，并且与类别相关。以 ResNet12 为例，材料给出的描述是偏移贡献高度集中，排名靠前的通道解释了绝大部分经零校正后的偏移贡献。这一观察构成了后续方法的设计前提：既然偏移只落在有限通道上，就可以在输入层面挑选通道，而不是整体依赖完整表征。
冻结编码器做逐样本掩码
作者提出名为 SAMPLESELECT 的方法，为每个输入单独预测一个固定预算的特征掩码，同时保持编码器与源分类器冻结，不参与更新。训练阶段采用可微的 Gumbel Top-k 选择，并配合两项损失：前景分类损失与跨背景对比损失。推理阶段则改用确定性的 Top-k 掩码，并只基于支持集做线性适配。这样做的效果是把适配成本压在很轻的范围内，主干网络无需重新训练，选择机制成为唯一被学习到的部分。
与完整表征方案的对比
在 ResNet12 与 Conv64 两种骨干上，作者按 5-way 1-shot 与 5-shot 设置做了评估。结果显示，在参与比较的方法中，SAMPLESELECT 取得最好的 OOD 准确率；与匹配的完整表征对照组相比，提升幅度为 4.90 至 8.38 个百分点。论文还通过消融实验与表征分析，为所学到的选择机制提供了支持。对读者而言，这意味着在音频小样本场景下，与其让分类器被动承受背景关联漂移，不如在通道层面主动筛掉易受干扰的部分，且无需改动已训练好的编码器。
为什么值得看
解决了音频少样本学习中特征偏移难题，显著提升分布外准确率。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。