元数据条件化音频Transformer用于呼吸音分类

SoftFiLM在ICBHI二分类任务报告72.40%并称达到最优

资讯摘要

论文针对呼吸音分类中录音设备、听诊部位等元数据带来的系统性差异，提出面向Audio Spectrogram Transformer的元数据条件化机制，从门控残差融合推进到适配Transformer的FiLM，并引入Token-Aware FiLM与Soft-Factorized FiLM两种变体。作者报告在ICBHI基准上各策略均有一致提升，SoftFiLM在官方4类任务达64.11%（较基线+3.94%），2类任务达72.40%。

要点速读

1. 论文提出TAFiLM对分类token与patch token施加不同调制，SoftFiLM学习软掩码将元数据因子对齐到解耦特征子空间
2. 作者报告SoftFiLM在ICBHI官方4类任务取得64.11%，较基线提升3.94%
3. 作者报告2类任务取得72.40%，称在该任务上达到新的最优水平

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。