FFCAC

新的SPECTRA框架增强了少样本音频分类能力

研究人员开发了SPECTRA，一个旨在改进少样本类别增量音频分类的新框架。该方法解决了从少量数据中学习新音频类别而不遗忘先前知识的挑战。SPECTRA包含一个可训练的嵌入校准适配器，一个无需样本即可对抗遗忘的子空间特征回放机制，以及一个用于测试期间原型的最优传输细化。在NSynth-100、FSC-89和LS-100等基准上的实验表明，SPECTRA在平均准确率和减少遗忘方面均优于现有的最先进方法。