새, 박쥐 및 그 이상: 생물음향 모델에서의 일반화 평가

수동 음향 모니터링(PAM)의 맥락에서 대량의 원시 미라벨 데이터에서 신뢰할 수 있는 통찰을 얻기 위해 더 나은 모델이 필요하다. 생물음향 기반 모델은 일반 목적의 적응 가능한 모델로, 다양한 다운스트림 작업에 사용할 수 있는 효과적인 방법이다. 이러한 모델의 기능을 측정하는 것은 개발에 필수적이지만, 강력한 평가 절차를 설계하는 것은 복잡한 과정이다. 이 리뷰에서는 음향 이벤트 감지, 기계 학습 메트릭 및 전이 학습(소수 샷 학습 및 도메인 일반화와 같은 주제 포함)과 같은 생물음향 모델 평가와 관련된 다양한 분야에 대해 논의한다. 우리는 큰 양의 잡음, 강한 클래스 불균형 및 배포 단계와 훈련 단계 간의 데이터 차이(분포 변화)가 특징인 생물음향 데이터의 특성을 사용하여 이러한 주제를 맥락화한다. 우리의 희망은 이러한 통찰이 다양한 환경에 신뢰성 있게 배포될 수 있는 생물음향 모델의 능력을 보다 정확하게 예측할 수 있는 평가 프로토콜 설계에 도움이 되길 바란다.