Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
DCASE 2026 Challenge를 위해 제안된 이종 오디오 분류 프레임워크를 설명합니다. CLAP 기반의 오디오-텍스트 표현을 활용하며, 데이터 확장, 특징별 분기, 계층 인식 분류기를 통해 성능을 최적화했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기이 기술 보고서는 Broad Sound Taxonomy (BST)에 따라 이종(heterogeneous) 오디오 녹음물을 분류하는 것을 목표로 하는 DCASE 2026 Challenge의 Task 1을 위한 당사의 시스템을 설명합니다. 이 과제는 정확한 2단계(second-level) 예측과 최상위 계층(top-level) 분류 체계와의 일관성을 모두 요구합니다. 당사의 시스템은 CLAP 기반의 오디오-텍스트 표현(audio-text representations)을 기반으로 구축되었으며, 세 가지 전략을 통해 개선되었습니다: BSD35k의 필터링된 하위 집합을 통한 학습 데이터셋 확장, 특징별 분기(feature-specific branches)를 통한 음향 모델링(acoustic modeling) 강화, 그리고 계층 인식 분류기(hierarchy-aware classifiers) 및 KNN 기반 후처리(post-processing)를 사용한 예측 정교화입니다. 고려된 음향 특징 중에서는 log-STFT 분기가 가장 강력한 단일 모델 성능을 제공합니다. KNN 기반 후처리를 적용했을 때, 당사의 최적 단일 시스템은 베이스라인과 동일한 평가 프로토콜 하에서 BSD10k-v1.2 세트에 대해 80.84%의 계층적 F1 점수(Hier. F1)를 달성했습니다. 나아가 당사는 상호 보완적인 음향 특징과 분류 헤드(classification heads)를 가진 모델들을 결합하여 앙상블 시스템을 구축하였으며, 각각 81.25%와 81.18%의 Hier. F1 점수를 달성했습니다.