공유 데이터 없이 다종 생음학 분류기를 위한 생태학적 제약된 작업 산술

생물 음향학 (bioacoustics) 훈련 데이터는 종 (taxa), 지역, 기관에 걸쳐 흩어져 있습니다. 이를 모두 중앙집중하는 것은 종종 불가능합니다. 우리는 공유 데이터를 하지 않고도 독립적으로 미세 조정된 BEATs 인코더를 작업 벡터 산술을 통해 통합된 661 종 분류기로 구성할 수 있음을 보여줍니다. 우리는 생물 음향학 작업 벡터가 거의 직교적임 (cosine 0.01-0.09) 을 발견했습니다. 그들의 분리 (separation) 는 스펙트럼 분포 거리와 밀접하게 일치하며, 이는 음향 생태지 이론 (acoustic niche hypothesis) 과 일관된 기울기입니다. 이러한 기하학은 단순 평균이 최적적임을 만들며, 부호 충돌 방법 (sign-conflict methods) 은 정확도를 1~6 퍼센트 포인트로 감소시킵니다. 구성 또한 비대칭적인 간극을 만듭니다: 종 풍부 그룹은 공동 훈련에 비해 정확도가 감소하고, 대표성이 부족한 종은 증가하며, 이는 공정한 생물 다양성 모니터링에 유용한 재분배입니다. 우리는 모든 분류학적 쌍에 대해 선형 모드 연결성을 검증하고, 새로운 지역으로 제로샷 (zero-shot) 전이를 증명하며, 구성이 실패하는 경계 조건으로 도메인 부정 (domain negation) 을 식별했습니다. 이러한 결과는 기관들이 다종 분류기를 조립하기 위해 단순히 작업 벡터만 공유하는 협력 패러다임을 가능하게 합니다.