要約
最近、エンドツーエンド型ニューラル・ダイアライゼーション（EEND）が導入され、発話者重複状況において有望な成果を達成している。EENDでは、発話者ダイアライゼーションが多ラベル分類問題として定式化されており、各発話者の活動が独立して推定されるため、発話者間の依存関係が十分に考慮されていないという課題がある。この問題を克服するため、本研究ではパワーセット符号化（power set encoding）を用いて発話者ダイアライゼーションを単一ラベル分類問題に再定式化し、発話者重複と依存関係を明示的にモデル化できる「オーバーラップ対応型EEND（EEND-OLA）」モデルを提案する。二段階ハイブリッドシステムの成功に着想を得て、EEND-OLAのダイアライゼーション結果を反復的に精緻化するため、発話者重複に敏感な後処理モデル（SOAP）を導入した新たな二段階オーバーラップ対応型ダイアライゼーションフレームワーク（TOLD）をさらに提案した。実験結果から、従来のEENDと比較して、提案するEEND-OLAはダイアライゼーション誤り率（DER）において14.39％の相対改善を達成し、SOAPを活用することでさらに19.33％の相対改善が得られた。その結果、本手法TOLDはCALLHOMEデータセットにおいてDER 10.14％を達成し、知られている限り、このベンチマークで新たな最良成績（SOTA）を記録した。