Modality Drop-Out for Multimodal Device Directed Speech Detection Using Verbal and Non-Verbal Features

摘要与项目关系

研究对设备说话检测中韵律、声学/语言信息融合，以及缺失模态时的稳健性。使用固定工作点的误接受率衡量改进。

可以作为我们的 fixed-recall 误开口评测与缺失模态对照的参考，但非 verbal 不自动意味着视觉，不能将该韵律工作描述为逐人视觉接话。具体算法尚未完整复核，暂不建议照搬数值或超参数。