分类无监督变分声学聚类
音频与语音处理
2026-01-22 v3
摘要
我们提出了一种基于分类分布的无监督变分声学聚类方法，用于处理时频域中的音频数据。分类分布的考虑即使在数据在时频上高度重叠的情况下（如城市声学场景中常见），也能实现更锐利的聚类。为此，我们使用 Gumbel-Softmax 分布作为分类分布的软近似，以便通过反向传播进行训练。在此设置下，Softmax 温度是调节聚类性能的主要机制。结果表明，所提出的模型能够在所有考虑的数据集上获得令人印象深刻的聚类性能，即使数据在时频上高度重叠。
关键词
引用
@article{arxiv.2504.07652,
title = {Categorical Unsupervised Variational Acoustic Clustering},
author = {Luan Vinícius Fiorio and Ivana Nikoloska and Ronald M. Aarts},
journal= {arXiv preprint arXiv:2504.07652},
year = {2026}
}
备注
Please refer to arXiv:2510.01940 for an extended version