本論文では、音響シーン分類（ASC）がデバイス由来のドメインシフトによって影響を受ける問題に対処するため、動的二重信号カリキュラム（DDSC）を提案しています。従来のカリキュラム方式は静的であり、トレーニングデータの提示順序を固定するため、データの難易度や学習状況の変化を考慮していません。DDSCは、各エポックごとに計算される二つの信号（ドメイン不変信号と学習進捗信号）を組み合わせて、学習中にカリキュラムを適応的に調整します。この方法により、初期エポックではドメイン不変なサンプルを優先し、後期にはデバイス特有のケースを重視することで、データ効率を向上します。DDSCは軽量でアーキテクチャに依存せず、推論時のオーバーヘッドもありません。DCASE 2024の公式プロトコルにおいて、さまざまなASCベースラインとラベル予算に対してクロスデバイスポイントを一貫して改善し、特に未見のデバイス分割で大きな改善が見られました。