ICASSP 2024 论文预讲会由CCF语音对话与听觉专委会、语音之家主办，旨在为学者们提供更多的交流机会，更方便、快捷地了解领域前沿。活动将邀请 ICASSP 2024 录用论文的作者进行报告交流。
ICASSP 2024 论文预讲会第一期邀请到香港理工大学做本次会议的专场分享，欢迎大家观看。
第一期
香港理工大学【专场】
时间：3月4日（周一）19:30 ~ 20:30
形式：线上
议程：每位嘉宾分享30分钟（含5分钟QA）
嘉宾&主题
嘉宾简介：李哲，香港理工大学在读博士，斯坦福大学访问学生学者。IEEE会员,中国人工智能学会会员。曾主持研究生科研创新项目1项，参与多项多语种智能信息处理相关的国家重点研发计划,国家自然科学基金以及香港资助局项目。获得中国人工智能学会优秀科技成果奖1项。发表CCF会议、SCI、EI及中文核心论文共计28篇，获得发明专利2项，软件著作权1项。分享主题：Dual Parameter-Efficient Fine-Tuning for Speaker Representation via Speaker Prompt Tuning and Adapters摘要：以参数高效的方式微调预训练的Transformer模型（PTM）用于语音应用，既可以减少内存消耗，又可以利用大量未标记数据集中丰富的特征表示。然而，现有的微调方法要么调整分类头，要么调整整个PTM。前者在PTM被用作特征提取器时不适用，后者没有利用不同Transformer层中不同程度的特征表示。我们提出了两种解决这些挑战的方法。首先，我们应用Speaker Prompt Tuning来更新PTM的任务特定的嵌入。通过Prompt和说话人表征之间的交叉注意力，增强了Prompt中说话人特征的相关性。其次，我们在Transformer编码器及其输出中插入适配器块Adapter。这种新颖的布局使得微调后的PTM能够确定最适合提取下游任务相关信息的层。在VoxCeleb和CU-MARVEL上进行的广泛说话人验证实验表明，与现有方法相比，我们提出的方法具有更高的参数效率和更好的模型适应性。
嘉宾简介：甘崇鑫目前是香港理工大学电机及电子工程学系的一名博士研究生。他分别在郑州大学和香港理工大学获得了学士学位和硕士学位。他的研究兴趣包括说话人识别、对比学习和声音事件检测。
分享主题：Asymmetric Clean Segments-Guided Self-supervised Learning for Robust Speaker Verification
摘要：近年来，对于说话者验证(Speaker Verification，SV) 而言，基于对比自监督学习 (Contrastive Self-Supervised Learning) 的研究引起了越来越多的关注，因为它能够充分利用无标签数据。对原始音频进行数据增强，如添加噪声或混响，对于在 SV 中取得好的结果起着至关重要的作用。然而，数据增强需要精细的校准或者设计，以确保不会损害并且完整保留说话者身份的信息，但这一难题在没有说话者标签的情况下很难克服。为了解决这个问题，我们引入了一个新的框架，将干净和增强片段纳入对比训练流程中。干净片段与噪声片段配对，形成额外的正负样本对。此外，对比损失的权重调整可增加不同说话者的干净和增强嵌入 （Speaker Embeddings）之间的差异。基于 VoxCeleb1 数据集的实验结果表明，所提出的框架相比传统方法取得了显著的19%改善，并超越了许多现有的最先进技术（State-Of-The-Art）。
参与方式
直播将通过语音之家微信视频号进行直播
讨论群
扫码添加语音小管家，进入语音之家讨论群
预讲论文征集
ICASSP 2024 论文预讲会面向全球线上招募，结合定向邀请与征集报名的方式，来选择预讲会的嘉宾。
为了共创高质量的论文预讲会，我们诚挚邀请所有 ICASSP 2024 作者参与到此次预讲会活动中来，也欢迎大家推荐适合此次预讲会活动的学者。
预讲论文报名方式
联系人邮箱
bd@speechhome.com
联系人微信
