分散型IoTネットワークにおける教師なし話者ダイアライゼーションのためのフェデレーティッド学習

本論文は、ネットワーク化されたIoTオーディオデバイスのための計算効率的で分散型の話者ダイアライゼーションフレームワークを提案する。教師なしのオンラインアップデートメカニズムを備えたフェデレーティッド学習モデルを使用し、大規模なオーディオデータベースを必要とせずに会話の参加者を識別する。また、ホテリングのt2乗統計量とベイズ情報量基準を用いた教師なしの分割手法により、見逃し検出率と誤検出率のトレードオフを改善する。さらに、スピーチセグメントの教師なしクラスタリングにより、フレームごとの話者識別の計算負荷を削減する。