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 论文预讲会第二十一期邀请到南开大学人类语言技术实验室做本次会议的专场分享，欢迎大家观看。


实验室概况

南开大学人类语言技术实验室依托于南开大学、数据与智能系统安全教育部重点实验室DISSec和天津市媒体计算工程中心TMCC。在南开大学杰出人才引进项目的有力支持下，建立了一支以秦勇教授为核心，定位于高水平创新型研究的团队。该团队目前有教授2人、高级研究员1人、硕博士生15人。团队聚焦于智能交互技术、智能音频分析技术、自动语音质量评测技术、语音及相关多模态基础模型评测技术等。团队目前承担科技部科技创新2030新一代人工智能重大项目；国基金面上项目；南开-联想、南开-零犀、南开-马上消费校企合作项目；南开大学交叉研究中心项目等。



第二十一期

南开大学人类语言技术实验室【专场】

时间：3月30日（周六）19:00 ~ 20:00

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：周家名，南开大学计算机学院人类语言技术实验室，二年级硕士生，导师为秦勇教授。主要研究方向语音识别，领域适配。

分享主题：kNN-CTC: Enhancing ASR via Retrieval of CTC Pseudo Labels

摘要：检索增强语言模型在各种自然语言处理（NLP）任务上都取得了成功。但是由于构建细粒度音频文本数据存储方面的挑战，难以应用于自动语音识别（ASR）中。本文提出了 kNN-CTC，通过利用连接主义时间分类 (CTC) 伪标签来建立帧级音频文本键值对，避免了精确对齐的需要。进一步，我们引入了“跳过空白帧”策略，该策略忽略 CTC 空白帧，以减少数据存储大小。通过将 k 最近邻检索机制整合到基于CTC的ASR 系统中并利用细粒度、剪枝后的数据存储， kNN-CTC 在域内、域外等场景下均取得了性能提升。

我们的代码将开源在：https://github.com/NKU-HLT/KNN-CTC


嘉宾简介：孙浩钦，南开大学计算机学院人类语言技术实验室，一年级博士生，导师为秦勇教授。主要研究方向多模态情感识别。

分享主题：Fine-grained Disentangled Representation Learning for Multimodal Emotion Recognition

摘要：多模态情感识别（MMER）是一个活跃的研究领域，旨在通过融合多种感知模态来准确识别人类情感。然而，各模态之间固有的异质性带来了分布差距和信息冗余，给多模态情感识别带来了巨大挑战。在本文中，我们提出了一种细粒度解耦表征学习（FDRL）框架来应对这些挑战。具体来说，我们设计了模态共享和模态私有编码器，将每个模态分别投射到模态共享子空间和模态私有子空间中。在共享子空间中，我们引入了细粒度对齐组件来学习模态共享表征，从而捕捉模态一致性。随后，我们定制了一个细粒度差异组件来约束私有子空间，从而学习模态私有表征并增强其多样性。最后，我们引入了细粒度预测组件，以确保编码器输出表征的标签属性保持不变。在 IEMOCAP 数据集上的实验结果表明，FDRL 的表现优于最先进的方法。


参与方式

直播将通过语音之家微信视频号进行直播

手机端、PC端可同步观看
👇👇👇



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