Core Concepts
スペクトルクラスタリングは、話者ダイアリゼーションにおいて重要であり、データセットの不一致がパフォーマンスに影響を与えることが示された。
Abstract
スピーカー埋め込みのクラスタリングが話者ダイアリゼーションにおいて重要である。
スペクトルクラスタリングは、同一ドメインと異なるドメイン間でのパフォーマンス差を明らかにする。
チューニングパラメータの最適化が重要であり、データセット不一致時に課題となる。
スピーカー数推定においても、スペクトルクラスタリングの影響が見られる。
Stats
本研究では、AMIとDIHARDコーパスを使用して実験を行った。
チューニングデータとテストデータ条件ごとのSDパフォーマンス(DER)は以下の通りです。
Quotes
"Spectral clustering stands as the default choice, primarily for its simple tuning feature with fewer parameters and for its popularity over other clustering methods."
"Our study opens several research directions by revealing this intrinsic issue."