ICASSP 2026 - 音频场景分类
共 1 篇论文
| 排名 | 论文 | 评分 | 分档 |
|---|---|---|---|
| 🥇 | DDSC: Dynamic Dual-Signal Curriculum for Data-Efficient Acou | 7.0分 | 前25% |
📋 论文详情
🥇 DDSC: Dynamic Dual-Signal Curriculum for Data-Efficient Acoustic Scene Classification Under Domain Shift
✅ 7.0/10 | 前25% | #音频场景分类 | #课程学习 | #领域适应 #低资源
👥 作者与机构
- 第一作者：Peihong Zhang（School of Advanced Technology, Xi’an Jiaotong-Liverpool University, Suzhou, China）
- 通讯作者：未说明（论文中未明确标注通讯作者）
- 作者列表：Peihong Zhang（School of Advanced Technology, Xi’an Jiaotong-Liverpool University, Suzhou, China）、Yuxuan Liu（同上）、Rui Sang（同上）、Zhixin Li（同上）、Yiqiang Cai（同上）、Yizhou Tan（同上）、Shengchen Li（同上）
💡 毒舌点评
亮点在于巧妙地将“领域不变性”和“学习进度”两个动态信号融合成自适应的课程权重，避免了传统课程学习静态排序的僵化，设计轻量且即插即用。短板则是其动态调整高度依赖已知的设备标签进行原型计算，一旦面对完全无标签或设备信息未知的真实场景，该方法的适用性将面临直接挑战。
📌 核心摘要
- 要解决的问题：声学场景分类（ASC）中由录音设备差异引起的领域偏移问题，特别是在可用标注数据有限的低资源场景下，模型性能会严重下降。
- 方法核心：提出动态双信号课程（DDSC）训练策略。该方法不修改模型架构，而是在每个训练 epoch 动态计算并融合两个信号来为每个样本分配训练权重：一个基于设备原型熵的“领域不变性信号”，用于识别与设备无关的样本；一个基于损失平滑变化的“学习进度信号”，用于衡量样本的边际学习价值。
- 新在何处：与之前静态的课程学习方法（如EGCL, SSPL, LCL, CLDG）固定样本排序或权重不同，DDSC 能够根据训练过程中模型表示和决策边界的演变，在线调整每个样本的重要性，实现了真正动态的、由易到难的学习过程。
- 主要实验结果：在 DCASE 2024 Task 1 官方数据集和协议下，DDSC 在多个基线模型和不同标注预算（5%-100%）上均取得一致提升。在最具挑战性的 5% 标注预算下，DDSC 相较于基线平均提升约 4.2% 的总体准确率和 3.9% 的未见设备准确率。 关键结果对比如下表所示：
| 系统 | 总体准确率 (5%) | 未见设备准确率 (5%) | 总体准确率 (100%) | 未见设备准确率 (100%) |
|---|---|---|---|---|
| DCASE2024 Baseline | 44.00% | 42.40% | 56.84% | 46.70% |
| +DDSC (ours) | 48.17% | 46.10% | 58.19% | 46.10% |
| Cai XJTLU (Baseline) | 48.91% | 46.70% | 62.12% | 46.70% |
| +DDSC (ours) | 53.70% | 51.68% | 64.25% | 51.68% |
| Han SJTUTHU (Baseline) | 54.35% | 52.70% | 61.82% | 52.70% |
| +DDSC (ours) | 57.86% | 56.42% | 63.03% | 56.42% |
- 实际意义：为低资源、跨设备音频分类提供了一种有效的即插即用训练策略，能与数据增强、特征对齐等方法互补，提升模型泛化能力，具有实际应用价值。
- 主要局限性：计算领域不变性信号需要每个样本的设备标签，限制了其在完全无监督或设备信息缺失场景下的应用；其动态权重的融合调度函数（如余弦衰减）的超参数需要调优。