arXiv · AI· Zihan Zhang, Xize Cheng, Wenhao Yan, Tong Zhang, Dongjie Fu, Wenxu Jia, Boyun Zhang, Yongbo He, Qifei Zhang, Linjun Li, Wenshi Chen, Tao Jin·· 2026-10-14AI 评分41
Auto-AEG:面向开放词汇音频事件定位的可扩展数据构建方法
Auto-AEG: Scalable Data Construction for Open-Vocabulary Audio Event Grounding
AI 导读
该研究提出 Auto-AEG 管道,通过自动数据构建与模型微调解决开放词汇音频事件定位中的数据稀缺瓶颈。 利用程序合成片段提供冷启动监督,并结合真实音频的多模型伪标签强化学习,显著提升大音频语言模型的时间定位能力。 该方法在 AEGBench 等基准测试中展现出显著的时间定位增益,并泛化至多种留出声源检测任务。
来源:arXiv · AI · arxiv.org