某中心ICASSP 2022五十余篇论文技术概览

某中心ICASSP 2022五十余篇论文技术概览

研究主题从可预测的语音识别和信号处理，到时间序列预测和个性化技术。

会议: ICASSP 2022

某研究机构的研究人员在今年的国际声学、语音与信号处理会议（ICASSP）上发表了超过50篇论文。其中多数是关于自动语音识别及相关主题，如关键词唤醒和说话人识别。但其他论文涉及的范围更广，涵盖计算机视觉和联邦学习等主题。

今年的ICASSP包括虚拟会议（5月7日至13日）和新加坡的现场会议（5月22日至27日）。

声学事件检测

• 联邦自监督学习用于声学事件分类：Meng Feng, Chieh-Chi Kao, Qingming Tang, Ming Sun, Viktor Rozgic, Spyros Matsoukas, Chao Wang
• 使用树状结构本体改进声学事件分类的表示学习：Arman Zharmagambetov, Qingming Tang, Chieh-Chi Kao, Qin Zhang, Ming Sun, Viktor Rozgic, Jasha Droppo, Chao Wang
• WikiTAG：基于维基百科的知识嵌入以改进声学事件分类：Qin Zhang, Qingming Tang, Chieh-Chi Kao, Ming Sun, Yang Liu, Chao Wang

自动语音识别

• 基于似然比的端到端模型领域自适应方法：Chhavi Choudhury, Ankur Gandhe, Xiaohan Ding, Ivan Bulyko
• 贪心无妨：端到端语音识别的采样策略：Jahn Heymann, Egor Lakomkin, Leif Rādell
• 缓存网络：利用公共语音进行ASR：Anastasios Alexandridis, Grant P. Strimel, Ariya Rastrow, Pavel Kveton, Jon Webb, Maurizio Omologo, Siegfried Kunzmann, Athanasios Mouchtaris
• LATTENTION：ASR重打分中的网格注意力机制：Prabhat Pandey, Sergio Duarte Torres, Ali Orkan Bayer, Ankur Gandhe, Volker Leutnant
• 用于神经转录器中个性化语音识别的上下文适配器：Kanthashree Mysore Sathyendra, Thejaswi Muniyappa, Feng-Ju Chang, Jing Liu, Jinru Su, Grant P. Strimel, Athanasios Mouchtaris, Siegfried Kunzmann
• 倾听、知晓与拼写：用于提高OOV命名实体ASR性能的知识注入子词建模：Nilaksh Das, Monica Sunkara, Dhanush Bekal, Duen Horng Chau, Sravan Bodapati, Katrin Kirchhoff
• 利用贝叶斯神经建模减轻封闭模型对抗样本以增强端到端语音识别：Chao-Han Huck Yang, Zeeshan Ahmed, Yile Gu, Joseph Szurley, Roger Ren, Linda Liu, Andreas Stolcke, Ivan Bulyko
• 用于自动语音识别的多模态预训练：David M. Chan, Shalini Ghosh, Debmalya Chakrabarty, Björn Hoffmeister
• 用于多方向语音流式识别的多轮RNN-T：Ilya Sklyar, Anna Piunova, Xianrui Zheng, Yulan Liu
• RescoreBERT：使用BERT进行判别性语音识别重打分：Liyan Xu, Yile Gu, Jari Kolehmainen, Haidar Khan, Ankur Gandhe, Ariya Rastrow, Andreas Stolcke, Ivan Bulyko
• USTED：使用统一的语音和文本编码器-解码器改进ASR：Bolaji Yusuf, Ankur Gandhe, Alex Sokolov
• VADOI：用于端到端长语音识别的语音活动检测重叠推理：Jinhan Wang, Xiaosu Tong, Jinxi Guo, Di He, Roland Maas

计算机视觉

• ASD-transformer：使用自注意力和多模态变换器进行高效主动说话人检测：Gourav Datta, Tyler Etchart, Vivek Yadav, Varsha Hedau, Pradeep Natarajan, Shih-Fu Chang
• 动态修剪SegFormer以实现高效的语义分割：Haoli Bai, Hongda Mao, Dinesh Nair
• 利用时间感知增强对比学习以生成视听表示：Chandrashekhar Lavania, Shiva Sundaram, Sundararajan Srinivasan, Katrin Kirchhoff
• 具有模型偏移预测器的少样本视线估计：Jiawei Ma, Xu Zhang, Yue Wu, Varsha Hedau, Shih-Fu Chang
• 用于低标签高数据场景的具有自监督注意力的视觉表示学习：Prarthana Bhattacharyya, Chenge Li, Xiaonan Zhao, István Fehérvári, Jason Sun

联邦学习

• 联邦学习的挑战与机遇：展望：Jie Ding, Eric Tramel, Anit Kumar Sahu, Shuang Wu, Salman Avestimehr, Tao Zhang
• 现实世界联邦学习的经验教训：Christophe Dupuy, Tanya G. Roosta, Leo Long, Clement Chung, Rahul Gupta, Salman Avestimehr

信息检索

• 用于基于请求的食谱推荐的对比知识图谱注意力网络：Xiyao Ma, Zheng Gao, Qian Hu, Mohamed Abdelhady

关键词唤醒

• 统一的推测、检测和验证关键词唤醒：Geng-shen Fu, Thibaud Senechal, Aaron Challenner, Tao Zhang

机器翻译

• 等距MT：用于自动配音的神经机器翻译：Surafel Melaku Lakew, Yogesh Virkar, Prashant Mathur, Marcello Federico

自然语言理解

• ADVIN：从用户文本话语中自动发现新领域和意图：Nikhita Vedula, Rahul Gupta, Aman Alok, Mukund Sridhar, Shankar Ananthakrishnan
• 用于大规模NLU模型的高效DP-SGD机制：Christophe Dupuy, Radhika Arava, Rahul Gupta, Anna Rumshisky

副语言学

• 基于情感类别与基元关系的语音情感识别置信度估计：Yang Li, Constantinos Papayiannis, Viktor Rozgic, Elizabeth Shriberg, Chao Wang
• 使用wav2vec 2.0的多语言多任务语音情感识别：Mayank Sharma
• 通过跨模态条件师生训练进行语音情感识别的表示学习：Sundararajan Srinivasan, Zhaocheng Huang, Katrin Kirchhoff
• 用于增强语音情感识别的感知情感的自动语音识别预训练：Ayoub Ghriss, Bo Yang, Viktor Rozgic, Elizabeth Shriberg, Chao Wang

个性化

• 用于个性化文本分类的增量用户嵌入建模：Ruixue Lian, Che-Wei Huang, Yuqing Tang, Qilong Gu, Chengyuan Ma, Chenlei (Edward) Guo

信号处理

• 深度自适应AEC：深度学习与自适应声学回声消除的混合：Hao Zhang, Srivatsan Kandadai, Harsha Rao, Minje Kim, Tarun Pruthi, Trausti Kristjansson
• 使用基于色谱图的音高感知重混音改进歌声分离：Siyuan Yuan, Zhepei Wang, Umut Isik, Ritwik Giri, Jean-Marc Valin, Michael M. Goodwin, Arvindh Krishnaswamy
• 声波的稀疏恢复：Mohamed Mansour
• 通过风格转换进行上混：用于解耦空间图像和音乐内容的变分自编码器：Haici Yang, Sanna Wager, Spencer Russell, Mike Luo, Minje Kim, Wontak Kim

声源定位

• 端到端设备仲裁：Jarred Barber, Yifeng Fan, Tao Zhang

说话人日志/识别/验证

• ASR感知的端到端神经日志记录：Aparna Khare, Eunjung Han, Yuguang Yang, Andreas Stolcke
• 通过组适应融合网络改进说话人验证的公平性：Hua Shen, Yuguang Yang, Guoli Sun, Ryan Langman, Eunjung Han, Jasha Droppo, Andreas Stolcke
• OpenFEAT：使用Transformer通过开放集少样本嵌入自适应改进说话人识别：Kishan K C, Zhenning Tan, Long Chen, Minho Jin, Eunjung Han, Andreas Stolcke, Chul Lee
• 使用人机对话的自监督说话人识别训练：Metehan Cekic, Ruirui Li, Zeya Chen, Yuguang Yang, Andreas Stolcke, Upamanyu Madhow
• 使用简单孪生网络和自监督正则化的自监督说话人验证：Mufan Sang, Haoqi Li, Fang Liu, Andrew O. Arnold, Li Wan

口语语言理解

• 用于端到端对话行为分类的神经韵律编码器：Kai Wei, Dillon Knox, Martin Radfar, Thanh Tran, Markus Mueller, Grant P. Strimel, Nathan Susanj, Athanasios Mouchtaris, Maurizio Omologo
• 具有语义解码器的多任务RNN-T用于可流式口语语言理解：Xuandi Fu, Feng-Ju Chang, Martin Radfar, Kai Wei, Jing Liu, Grant P. Strimel, Kanthashree Mysore Sathyendra
• 绑定你的嵌入：用于端到端口语语言理解的跨模态潜在空间：Bhuvan Agrawal, Markus Mueller, Samridhi Choudhary, Martin Radfar, Athanasios Mouchtaris, Ross McGowan, Nathan Susanj, Siegfried Kunzmann
• TINYS2I：具有上下文支持的小型话语分类模型，用于设备端SLU：Anastasios Alexandridis, Kanthashree Mysore Sathyendra, Grant P. Strimel, Pavel Kveton, Jon Webb, Athanasios Mouchtaris

文本转语音

• 使用数据增强进行跨说话人风格迁移的文本转语音：Manuel Sam Ribeiro, Julian Roth, Giulia Comini, Goeric Huybrechts, Adam Gabrys, Jaime Lorenzo-Trueba
• 用于低资源表达性文本转语音的分布增强：Mateusz Lajszczak, Animesh Prasad, Arent van Korlaar, Bajibabu Bollepalli, Antonio Bonafonte, Arnaud Joly, Marco Nicolis, Alexis Moinet, Thomas Drugman, Trevor Wood, Elena Sokolova
• 用于自动配音的神经TTS持续时间建模：Johanes Effendi, Yogesh Virkar, Roberto Barra-Chicote, Marcello Federico
• 精打细算的神经语音合成：提高LPCNET的效率：Jean-Marc Valin, Umut Isik, Paris Smaragdis, Arvindh Krishnaswamy
• 使用标准化流的无文本非并行多对多语音转换：Thomas Merritt, Abdelhamid Ezzerg, Piotr Biliński, Magdalena Proszewska, Kamil Pokora, Roberto Barra-Chicote, Daniel Korzekwa
• VoiceFilter：使用语音转换作为后处理模块的少样本文本转语音说话人自适应：Adam Gabrys, Goeric Huybrechts, Manuel Sam Ribeiro, Chung-Ming Chien, Julian Roth, Giulia Comini, Roberto Barra-Chicote, Bartek Perz, Jaime Lorenzo-Trueba

时间序列预测

• 具有基于回测的引导法和自适应残差选择的稳健非参数分布预测：Longshaokan Marshall Wang, Lingda Wang, Mina Georgieva, Paulo Machado, Abinaya Ulagappa, Safwan Ahmed, Yan Lu, Arjun Bakshi, Farhad Ghassemi

研究领域：对话式AI

标签：ICASSP, 语音, 文本转语音 (TTS)
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）

公众号二维码

公众号二维码