注意力即你所需：盲房间体积估计
音频与语音处理
2023-12-29 v3 声音
摘要
近年来，声学环境的动态参数化在音频处理领域引起越来越多的关注。在脱离声源与接收器朝向和指向性而孤立刻画局部房间声学的关键参数中，几何房间体积是其一。卷积神经网络（CNN）被广泛选作进行盲房间声学参数估计的主要模型，旨在学习从音频谱图到相应标签的直接映射。随着自注意力机制近期的趋势，本文引入一种纯基于注意力的模型，基于单通道含噪语音信号盲估计房间体积。我们证明了消除该任务对CNN依赖的可行性，所提Transformer架构以Gammatone幅度谱系数与相位谱图作为输入。为在任务特定数据集上提升模型性能，还应用了跨模态迁移学习。实验结果表明，所提模型在广泛真实声学空间中优于传统CNN模型，尤其在专用预训练与数据增强方案辅助下。
引用
@article{arxiv.2309.13504,
title = {Attention Is All You Need For Blind Room Volume Estimation},
author = {Chunxi Wang and Maoshen Jia and Meiran Li and Changchun Bao and Wenyu Jin},
journal= {arXiv preprint arXiv:2309.13504},
year = {2023}
}
备注
5 pages, 4 figures, to be published in proceedings of ICASSP 2024