arXiv · cs.AI · Phurich Saengthong, Takahiro Shinozaki · 8 小时前模型评分27
BEAM：用子带频谱匹配与局部评分聚合提升异常声音检测鲁棒性
Sub-Band Spectral Matching with Localized Score Aggregation for Robust Anomalous Sound Detection
导读
研究提出免训练异常声音检测方法 BEAM，将时间池化后的子带向量存入记忆库，按子带分别检索近邻并均匀聚合评分，降低正常样本得分波动。该方法在多个 DCASE Task 2 基准上无需任务特定训练即取得较强性能，并对噪声和域偏移保持鲁棒，与编码器微调结合还能带来额外增益。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose BEAM, which stores temporally pooled sub-band vectors in a memory bank, retrieves neighbors per sub-band, and uniformly aggregates scores to reduce normal-score variability and improve discriminability.”
来源：arXiv · cs.AI · arxiv.org