यह शोधपत्र ध्वनिक घटना संसूचन (SED) के लिए अत्याधुनिक स्व-पर्यवेक्षित शिक्षण (SSL) मॉडलों के तालमेल का व्यवस्थित मूल्यांकन करता है और इष्टतम मॉडल चयन एवं एकीकरण हेतु दिशानिर्देश प्रस्तुत करता है। हम एक ऐसा ढाँचा प्रस्तावित करते हैं जो विभिन्न SSL अभ्यावेदनों (जैसे, BEATs, HuBERT, और WavLM) को तीन संलयन रणनीतियों के माध्यम से संयोजित करता है: व्यक्तिगत SSL एम्बेडिंग एकीकरण, दोहरे-मोडल संलयन, और वैश्विक एकत्रीकरण। DCASE 2023 कार्य 4 चुनौती पर प्रायोगिक परिणाम दर्शाते हैं कि दोहरे-मोडल संलयन (जैसे, CRNN+BEATs+WavLM) पूरक प्रदर्शन सुधार प्राप्त करता है, जिसमें CRNN+BEATs संयोजन व्यक्तिगत SSL मॉडलों में सर्वश्रेष्ठ प्रदर्शन प्राप्त करता है। इसके अलावा, हम नियमित ध्वनिक घटना बाउंडिंग बॉक्स (nSEBBs) प्रस्तुत करते हैं, जो एक अनुकूली पोस्ट-प्रोसेसिंग विधि है जो घटना सीमा पूर्वानुमानों को गतिशील रूप से समायोजित करती है, जिससे स्टैंडअलोन SSL मॉडलों के PSDS1 में 4% तक सुधार होता है। ये परिणाम SSL आर्किटेक्चर की अनुकूलता और पूरकता पर प्रकाश डालते हैं और कार्य-विशिष्ट संलयन और मजबूत SED प्रणाली डिजाइन के लिए मार्गदर्शन प्रदान करते हैं।
