实体
Mengzhe Geng
Mengzhe Geng
PulseAugur coverage of Mengzhe Geng — every cluster mentioning Mengzhe Geng across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的CIViC协议严格测试音频对视觉AI模型的影响
研究人员开发了CIViC，这是一个四门协议，旨在严格评估音频信息如何影响视觉预测模型。该方法将解释与干预、在保留任务上的比较以及终点控制联系起来。在面部栅格测试、合成音频混合和SpeakerVid代理任务上的实验表明，CIViC可以揭示不同代理任务中音频影响的不同解释，强调了此类检查对于可靠模型评估的重要性。
-
Qwen2-Audio 量化性能评估超越文本分数
一项发表在 arXiv 上的新研究评估了量化后的 Qwen2-Audio-7B-Instruct 模型在语音任务上的性能。研究强调，仅凭基于文本的分数不足以确定量化是否保留了性能，特别是对于无法从转录文本中推导出目标标签的任务。研究发现，虽然 7 位分配在情感识别任务上显示出最小的准确率损失，但 6 位分配导致性能出现统计学上的显著下降，表明需要超越简单的转录准确率进行单独评估。
-
语音深度伪造检测通过可审计证据得到改进
研究人员开发了一种新颖的语音深度伪造检测方法，该方法超越了简单的评分，提供了可审计的决策证据。该方法结合了四个对齐的线索：被动检测器分数、条件键探针分数、检索支持和说话人档案边际，以及明确的不一致坐标。当应用于ASVspoof 5 Track 1数据集时，这种检索增强规则将等错误率从15.84%提高到11.91%，后期校准达到8.43% EER。虽然没有超越独立的检测器，但这种方法保留了每次检测背后的证据，使得决策更加透明和可审查。