{"id":2720,"date":"2021-12-16T17:08:43","date_gmt":"2021-12-16T16:08:43","guid":{"rendered":"https:\/\/dbdmg.polito.it\/dbdmg_web\/?p=2720"},"modified":"2022-01-27T09:43:53","modified_gmt":"2022-01-27T08:43:53","slug":"rg-towards-learning-universal-audio-representations","status":"publish","type":"post","link":"https:\/\/dbdmg.polito.it\/dbdmg_web\/2021\/rg-towards-learning-universal-audio-representations\/","title":{"rendered":"RG: Towards Learning Universal Audio Representations"},"content":{"rendered":"\n

Data del RG: 17\/12\/2021<\/strong><\/p>\n\n\n\n

\ud83d\udd17 Paper: https:\/\/arxiv.org\/abs\/2111.12124 <\/a><\/p>\n\n\n\n

\ud83d\udc65 Autori: <\/a>Luyu Wang<\/a>, Pauline Luc<\/a>, Yan Wu<\/a>, Adria Recasens<\/a>, Lucas Smaira<\/a>, Andrew Brock<\/a>, Andrew Jaegle<\/a>, Jean-Baptiste Alayrac<\/a>, Sander Dieleman<\/a>, Joao Carreira<\/a>, Aaron van den Oord<\/a><\/p>\n\n\n\n

\ud83d\udcc5 Data di pubblicazione: 1 Dec 2021 (v2)<\/strong><\/p>\n\n\n\n

\ud83c\uddec\ud83c\udde7 Version here<\/a>!<\/p>\n\n\n\n

TLDR: Il paper presenta un nuovo benchmark per la valutazione di rappresentazioni vettoriali di sample audio (HARES). \u00c8 uno dei primi paper che indirizza esplicitamente il task di “representation learning” nel contesto audio e ne propone una valutazione abbastanza completa.<\/p>\n\n\n\n

Problema:<\/strong> negli anni precedenti si \u00e8 vista un’esplosione delle tecniche di deep learning applicate al dominio della computer vision e a quelle dell’NLP. Per quanto riguarda l’audio, ci si era concentrati soprattutto sul task di ASR (Automatic Speech Recognition) che, nonostante sia uno dei task pi\u00f9 interessanti non \u00e8 di certo l’unico e, soprattutto, \u00e8 solo un task intermedio visto che la comprensione vera e propria avveniva attraverso l’uso di tecniche NLP sulle trascrizioni audio.<\/p>\n\n\n\n

HARES benchmark:<\/h3>\n\n\n\n

Il benchmark include 12 task in totale inclusi in 3 differenti categorie:<\/p>\n\n\n