PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.31186v1cs.CL

알츠하이머병 탐지를 위한 그래프 어텐션 네트워크 기반 게이트 다중 그래프 융합

Gated Multi-Graph Fusion via Graph Attention Networks for Alzheimer's Disease Detection

자발화(spontaneous speech) 분석을 통한 알츠하이머병 탐지를 위해, ASR로 전사된 텍스트에서 의미·의존성·동시출현 그래프를 구성하고 그래프 어텐션 네트워크(GAT)로 인코딩한 뒤 이질성 인식 게이트 융합 메커니즘으로 통합하는 Multi-View Gated Graph Attention Network를 제안한다. 특히 정상 코퍼스 기반 PMI(Pointwise Mutual Information)를 활용해 발화의 서사 논리 이탈을 정량화하였으며, ADReSSo 데이터셋에서 90.00%의 분류 정확도를 달성하였다.

arXiv:2606.06837v1eess.AS

SEAM: 면접 가드레일을 위한 대본 기반 발화 대 자발적 발화의 지름길 인지 실시간 탐지

SEAM: Shortcut-Aware Real-Time Detection of Scripted vs. Spontaneous Speech for Interview Guardrails

대본 기반 발화 대 자발적 발화 탐지는 면접 가드레일(interview guardrails)에 유용하지만, 벤치마크 성능은 발화 스타일 자체보다는 말뭉치 식별 정보, 채널 조건, 녹음 인공물(recording artifacts)과 연결된 지름길(shortcuts)에 의해 과대평가될 수 있습니다. 본 논문에서는 균일한 전처리, 지름길 인지 샘플링(seam-aware sampling), 비음성 증강, 그리고 소형 DistilHuBERT 백본을 결합한 실시간 대본 기반 발화 탐지를 위한 지름길 인지 프레임워크인 SEAM을 제시합니다. 8초 윈도우를 사용하여 해당 모델은 외부 면접 도메인 평가 셋에서 0.971 +- 0.004 ROC-AUC를 달성했습니다. 지름길 방지 구성 요소를 제거하면 내부 검증 지표는 향상되지만 외부 성능은 급격히 저하되어, 이는 지름길 학습(shortcut learning)이 있었음을 시사합니다. 사후 학습(post-training) 양자화(quantization)를 통해 모델 크기는 41.8MB로 축소되었으며, 외부 성능 손실은 미미했습니다. 결과는 강건한 실시간 대본 기반 발화 탐지가 백본뿐만 아니라 지름길 인지 데이터 설계 및 평가에 의존함을 보여줍니다. 코드와 모델 체크포인트를 공개합니다.