2023-11-08 Meeting #1

Tēma: "Vecuma ietekme uz balss reidentifikāciju”

Mērķis: Salīdzināt esošos balss reidentifikācijas modeļus un to precizitāti ar vienas personas balss ierakstiem dažādos vecum periodos.

Uzdevumi:

1. Apgūt dziļajā māšīnmācīšanā balstītās balss reidentifikācijas metodes

2. Veikt sistemātisko literatūras analīzi

3. Atrast vai izveidot datu kopas

4. Atrast un apgūt metrikas ar kurām noteikt modeļu veiktspēju

5. Eksperimentāli salīdzināt balss reidentifikācijas metodes

6. Publicēt rezultātus zinātniskā publikācijā.

TODO:

1. Pabeigt uzdevumus VeA kursā

2. Veikt SLR tabulu pēc norādījumiem zemāk

3. Atrast 20 publikācijas

4. Atslēgas vārdi

   1. Voice DML, Deep Metric Learning

   2. Voice Zero-shot

   3. Voice Embeddings

   4. Voice Classfication

   5. Generative Models for Speech Age modification (vai ir sintētiskas metodes kā mainīt cilvēka balsij vecumu?)

    

Examples of SLR tables:

1. https://puupuls.notion.site/SLR-Tabula-1-04cafc5ed342497b92629b87c2c1e548

   1. Trūkst:

      1. Cite by year

      2. Future research

2. https://www.evernote.com/shard/s736/sh/2c598470-3b41-6a1c-d629-3fa44ec1e0c3/c340ef470d5f0d9391b709d03751445f

Examples of SLR:

1. http://share.yellowrobot.xyz/quick/2023-2-28-62301A6A-9494-43EE-B86B-007AF6F685EB.pdf

2. https://sci-hub.hkvisa.net/10.1016/j.infsof.2008.09.009

3. https://www.sciencedirect.com/science/article/pii/S0950584908001390

4. http://share.yellowrobot.xyz/quick/2023-2-28-0CCAE1B2-6579-4F45-97E3-A12AEDA732B0.pdf

Tool to access any publication:

1. http://sci-hub.hkvisa.net

Use these databases for searching papers:

1. http://semanticscholar.org

2. http://researchrabbitapp.com

3. https://deeplearn.org

4. https://scirate.com

5. https://arxiv-sanity-lite.com

6. http://perplexity.ai (academic section)

7. https://typeset.io

Obligāti datu kopām pārmeklēt līdzīgas ar:

1. http://zenodo.org

2. http://paperswithcode.com

Izveidot un nosharot SLR (Systematic Literature review tabulu)

1. Atrast datu kopas

2. Atrast SOTA (State of the Art) metrikas un vērtības katrai kopai

3. Atrast metodes - dažādas kļūdas funkcijas, modeļu arhitektūras, pre-processing, post-processing

4. Tabula - kolonas:

   1. Nr - Vismaz 20 pētījumi

   2. Gads

   3. Nosaukums

   4. Keywords

   5. Links uz pētījumu

   6. Links uz Github ja ir (vēlams)

   7. Links uz Pretrained model

   8. Organizācija (universitāte, firma)

   9. Citātu skaits (Semantic schollar)

   10. Datu kopas (kuras tiek izmatotas) - Ja nav publicēta vai nav info par datu kopu: NAV

   11. Metrikas un Rezultāti (kuras tiek izmantotas, lai noteiktu metodes darbību uz katru datu kopu), ja nav precīzi rezultāti, tad: NAV

   12. Optionaly:

       1. Modelis (kāda ir modeļa arhitektūra)

       2. Metode (kas ir galvenā metode, kura tiek izmantota)

       3. Tālākie pētījumi (ko iesaka vēl pētīt)