Interspeech 2026 · 採択
Adaptive Speech-to-Spike Encoding for Spiking Neural Networks
学習可能な残差型の音声スパイク符号化器を再帰型スパイキングネットワークと同時に学習し、Google Speech Commands v2で最大94.97%の精度を達成。3.5万パラメータの軽量版でも89.8%。
当社チームの査読付き論文とプレプリント。
Interspeech 2026 · 採択
学習可能な残差型の音声スパイク符号化器を再帰型スパイキングネットワークと同時に学習し、Google Speech Commands v2で最大94.97%の精度を達成。3.5万パラメータの軽量版でも89.8%。
DCASE 2025 Workshop · 発表済み
異常ラベルなしで機械音の異常を検知する状態空間モデル。pixel-unshuffle入力で事前学習時間を約87.5%短縮し、DCASE 2025のオートエンコーダベースラインを上回る調和平均スコア0.722を達成。
ASRU 2025 · 採択
Whisperの音声特徴とQwen3のテキスト特徴を系列コアテンションと最適輸送で結び、テキストからの音楽生成のMOSを予測。MusicEvalのベースラインに対しスピアマン相関を音楽品質で7%、テキスト整合で14%改善。
MLSP 2025 · 採択
多言語で事前学習されたWhisperのエンコーダを話者埋め込みに転用し、オンラインのハードトリプレットマイニングとNT-Xent損失で学習。英語と英語以外の複数のコーパスでPyannote、ECAPA-TDNN、x-vectorより低い等価エラー率を達成。