Contrastive Information Maximization Clustering for Self-Supervised Speaker Recognition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Pseudo-labels (PLs) generated through clustering are extensively employed to optimize speaker embedding (SE) networks and to train self-supervised speaker verification (SV) systems. However, the effectiveness of PL-based self-supervised training is contingent on the quality of the PLs, and achieving high clustering performance often requires time-consuming and resource-intensive data augmentation regularization. In this paper, we introduce an efficient, general-purpose multi-objective clustering algorithm that outperforms all other baseline methods for clustering SEs. Our approach, named Contrastive Information Maximization Clustering (CIMC), circumvents the need for explicit data augmentation, enabling rapid training with minimal memory and computational resource usage. CIMC is founded on three key principles: (1) Self-Augmented Training, which ensures representation invariance and maximizes the information-theoretic dependency between samples and their predicted PLs (2) Virtual Mixup Training, which enforces local-Lipschitzness and upholds the cluster assumption (3) Supervised contrastive learning, which fosters the learning of more discriminative features and enhances robustness to natural corruptions by bringing together samples of the same class while separating those of different clusters. We present a comprehensive comparative analysis of our clustering method against baselines using various clustering metrics, conduct an ablation study to assess the contribution of each component, and demonstrate that our multi-objective approach provides beneficial complementary information. Furthermore, utilizing the generated PLs to train our SE system enables us to achieve high SV performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle