arXiv · cs.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·· 9 小时前
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
arXiv:2607.04383v5阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zihan Zhang, Xize Cheng, Wenhao Yan, Tong Zhang, Dongjie Fu, Wenxu Jia, Boyun Zhang, Yongbo He, Qifei Zhang, Linjun Li, Wenshi Chen, Tao Jin
研究任务与主要进展
Auto-AEG提出一套面向开放词汇音频事件定位的可扩展数据构建与微调流程，用于根据自然语言查询预测目标声音事件的时间区间。该方法结合带有精确时间区间标注的程序合成音频，以及来自真实音频的多模型伪标签，并将后者作为强化学习奖励；基于论文摘要，训练后在独立的 AEGBench 和多个留出基准上提升了时间定位泛化能力，作者还发布了 AEGBench 标注。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org