在DCase 2026 Challenge项目中夺冠
以“持续学习”技术提出难题解决方案
加速开发下一代AI安防解决方案

韩华视觉与光州科学技术院(GIST)研究团队14日表示,凭借共同开发的“持续学习”(Continual Learning)技术,在国际声学人工智能(AI)竞赛“DCase 2026 Challenge”中获得第一名。


这是韩华视觉研发中心AI研究所与GIST电气电子计算机工程系教授 Kim Hongguk 研究团队共同取得的成果,弥补了AI在学习新声音过程中会遗忘既有声音这一致命弱点。

“Dcase 2026”官网内获奖结果页面截图

“Dcase 2026”官网内获奖结果页面截图

View original image

由电气电子工程师协会主办的“DCase Challenge”是学界与企业研究团队同台竞技声学AI技术实力的国际大赛。今年共有135支队伍参赛。


联合研究团队在7个项目中,于“面向领域无关音频分类的渐进学习”项目里,在21支队伍中位列第一。在无法确定声音采集来源的环境下,成功完成了准确区分婴儿哭声、狗叫声、火灾警报声等10类声音的任务。


尤其值得关注的是,团队将重点放在解决“灾难性遗忘”问题上。现有音频识别AI存在这样的弱点:一旦录音设备、地点或周边噪声等环境发生变化,性能就会受到影响。尤其是在学习新数据的过程中,AI会遗忘过去学过的内容,成为数据积累的一大障碍。例如,原本能够很好区分城市噪声的AI,在新学习机场环境音后,可能又会在识别城市中产生的声音时遇到困难。


这主要是因为面向特定目的制作的AI模型,规模通常相较超大规模通用AI模型更小。即便是大型AI模型,虽然发生频率较低,本质上也会经历同样现象。特别是在外部环境瞬息万变的安防、工业安全等领域,这一问题被视为左右AI技术发展的核心课题。


联合研究团队开发的持续学习技术,采用了可重现并利用过往学习声音特征的“基于DeepInversion的生成式回放”方法。DeepInversion是一种无需额外收集数据,就能让声音分类模型自行重现并反向推导与过往学过声音相似的声学数据的技术。比如,安装在室内监控系统中的AI即便新学习了道路噪声,也能反向追踪过去室内特定声音的分贝、振幅等声学特征,从而不丧失分类能力。借助这一方法,团队成功在各个阶段保留AI已学习的内容,将新学习过程中对既有内容的损害降到最低。


此外,通过综合多个AI模型预测结果并作出最终判断的“集成方法”,实现了高精度与稳定性能,这一点也值得关注。最终提交的系统在与其他团队的竞争中,录得最高成绩,平均准确率达到79.62%。其余20支队伍的平均准确率约为68%,高出约10个百分点。与此同时,最终集成系统以及联合研究团队额外提交的3个单一系统,包揽该项目官方系统排名第1至第4位,证明了其技术完成度。


这项能够在多种环境中稳定积累声学信息的技术,预计也将被积极应用于韩华视觉下一代AI安防解决方案的开发。


韩华视觉AI研究所所长 Im Jeongeun 表示:“此次获奖证明了韩华视觉研究方向与技术水平处于世界顶尖水平。”“持续学习”技术与安防摄像头在外部环境中的适应能力直接相关,未来将把这项新技术发展为面向未来的解决方案。


研究成果发布及对冠军团队的颁奖,预计将于10月28日起在美国波士顿举行、为期两天的“DCase 2026 Workshop”上进行。



此次通过产学合作开展的研究,由韩华视觉自有研究课题及韩国产业通商资源部项目支持完成。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点