Determinantal point process sampling for bioacoustic active learning
생태음향 모니터링의 방대한 오디오 데이터 주석 비용을 줄이기 위해, 클래스 균형 불확실성과 임베딩 공간 참신성을 결합하고 행렬식 포인트 프로세스(Determinantal Point Process, DPP)로 비중복 배치를 선택하는 능동학습(active learning) 획득 방법인 CARE-DPP를 제안한다. BioDCASE 2026 챌린지의 BirdSet 및 ATBFL 데이터셋 평가에서 공식 CoreSet 기준선 대비 평균 AULC 0.46 대비 0.50을 달성했으며, 에블레이션 연구를 통해 DPP 배치 다양화와 적응형 획득 스케줄이 성능 향상의 주요 요인임을 확인했다.