Ecouri în schimbare

Ecouri în schimbare

Monitorizezi secvențe audio scurte prin embeddings produși de un encoder audio
înghețat. Douăsprezece clase cunoscute de evenimente pot apărea între porțiuni
de fundal. Unele evenimente nu aparțin niciuneia dintre aceste clase și trebuie
marcate drept unknown_event. Un sistem util trebuie să spună și când începe,
respectiv când se termină fiecare eveniment.

Înregistrările de antrenare și validare provin din trei domenii acustice
familiare. Setul de test combină domenii familiare cu microfoane și locații a
căror răspuns s-a schimbat. El conține și familii de evenimente necunoscute care
nu apar în setul etichetat de antrenare. Domeniul și apartenența la partea de
clasament sunt ascunse, iar liniile sunt intercalate.

Aceasta este o problemă cu predicții în fișiere. Nu trimiți cod.

Date

Descarcă arhiva dataset și extrage directorul echoes_data/. Toate array-urile
respectă ordinea din fișierul *_scene_ids.npy corespunzător.

Ieșirile 0..11 sunt evenimentele cunoscute numite în metadata.json, iar
ieșirea 12 este unknown_event. Un cadru de fundal are treisprezece valori
zero. Evenimentele nu se suprapun. Canalul de frontieră 0 marchează primul
cadru activ (început), iar canalul 1 ultimul cadru activ (sfârșit).

Valorile sunt embeddings sintetici originali, nu înregistrări redistribuite.

Trimitere

Încarcă o arhivă ZIP care conține exact două fișiere la rădăcină:

1submission.zip2├── boundary_probs.npy3└── frame_probs.npy

• frame_probs.npy: C-contiguous float32, forma (300, 32, 13);
• boundary_probs.npy: C-contiguous float32, forma (300, 32, 2);
• fiecare valoare trebuie să fie finită și în intervalul [0, 1];
• nu adăuga directoare, metadate, notebook-uri, modele sau fișiere sursă.

Canalele de ieșire sunt evaluate ca probabilități și nu trebuie să aibă suma
unu. Datasetul include baseline.py, validate_submission.py și o trimitere
exemplu gata de încărcat.

Evaluare

Fiecare parte a clasamentului primește o metrică în [0, 1]:

1metrică = 0,50 × AP macro pentru clasele cunoscute2        + 0,25 × AP pentru evenimente necunoscute3        + 0,25 × F1 pentru începuturi/sfârșituri4scor    = 100 × metrică

AP pentru clase cunoscute se calculează pe cadre și se mediază egal peste cele
12 clase. AP pentru necunoscut folosește ieșirea 12. Pentru F1, predicțiile
de frontieră sunt pragate la 0,5; o predicție este corectă dacă poate fi
asociată unu-la-unu cu același tip de frontieră, în aceeași scenă, la cel mult
un cadru distanță.

Clasamentul parțial folosește domenii acustice familiare. Clasamentul complet
pune accent pe domenii schimbate și familii necunoscute reținute. Apartenența,
ID-urile de domeniu și etichetele exacte sunt private. Platforma nu are
subtask-uri configurate: „parțial” și „complet” sunt partiții de clasament, nu
fișiere de trimis separat.

Direcții practice

O soluție funcțională poate porni de la baseline-ul ridge multi-output inclus.
Pentru progres, validează lăsând pe rând câte un domeniu familiar în afara
antrenării, calibrează explicit necunoscutul și modelează continuitatea
temporală. Normalizarea robustă, adaptarea auto-supervizată pe intrările de test,
scorurile out-of-distribution și modelele secvențiale oferă căi diferite spre
punctaj parțial.

Aceasta este o problemă originală de pregătire RO-OAI. Nu este o problemă
oficială IOAI, material divulgat sau o predicție garantată pentru Astana.