实体
Christiaan Geldenhuys
Christiaan Geldenhuys
PulseAugur coverage of Christiaan Geldenhuys — every cluster mentioning Christiaan Geldenhuys across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
用于结核病筛查的超声预训练显示出有限的领域优势
研究人员调查了从超声心动图预训练迁移到肺部超声用于结核病筛查的有效性。尽管共享相似的成像物理学,但在通用视频上预训练的潜在预测视频编码器 (V-JEPA2-L) 的表现与其特定于超声心动图的对应物 (EchoJEPA-L) 相当。研究发现,编码器和分类器之间的特征条件化显著提高了多种编码器架构的性能,这表明对于此特定应用,标记队列的大小比预训练领域更关键。
-
新的无参数方法评估大象发声的少样本学习
研究人员开发了一种无参数的方法来评估大象发声分类中的少样本学习。该方法在固定的声学嵌入上使用最近邻分类器,并将其性能与在不同数据集和样本数量上的全训练模型进行比较。这种无参数方法显示出潜力,尤其是在Elephant Voices等低资源数据集上,在标记示例稀缺时,它可以优于训练过的分类器。
-
在鸟鸣声上训练的AI模型能以高精度对大象叫声进行分类
研究人员已经证明,预先训练好的声学嵌入模型可以在无需微调的情况下有效分类大象的发声。鉴于标注过的生物声学数据的稀缺性和高成本,这种方法尤其有价值,因为传统监督方法常常会导致过拟合。该研究评估了各种嵌入模型,其中Perch 2.0表现最佳,对非洲象和亚洲象的叫声都显示出很高的分类准确率。值得注意的是,来自transformer编码器(如wav2vec2.0和HuBERT)的中间表示被证明信息量很大,这表明了在设备上进行高效处理的潜力。