音频定位：自然 sounds 数据基准
声音
2025-07-23 v2 机器学习
音频与语音处理
摘要
我们可以通过他们听到的声音来确定某人的地理位置吗？声学信号是否足以在国家、州乃至城市内进行定位？我们解决了全球范围的音频定位挑战，形式化了该问题，并对野生动物音频进行深入分析，数据来自iNatSounds数据集。采用类似视觉的方法，我们将音频录音转换为频谱图，并对现有的图像定位技术进行基准测试。我们假设由于种群声音具有明确的地理分布，因而提供了强大的地理位置线索，并提出一种将种群范围预测与基于检索的定位集成的方法。我们进一步评估了在分析丰富种群录音或在时空邻域聚合时，地理位置是否会有所提高。最后，我们引入了从电影中提取的案例研究，探讨了使用音频和视觉内容进行多模态定位。我们的工作突显了整合音频和视觉线索的优势，为未来的音频定位研究奠定了基础。
关键词
引用
@article{arxiv.2505.18726,
title = {Audio Geolocation: A Natural Sounds Benchmark},
author = {Mustafa Chasmai and Wuao Liu and Subhransu Maji and Grant Van Horn},
journal= {arXiv preprint arXiv:2505.18726},
year = {2025}
}