面向部分匹配查询的目标声提取的情境感知查询细化

目标声提取（Target Sound Extraction, TSE）是从音频混合信号中提取由查询指定的目标声的任务。大量前期研究聚焦于完全匹配查询（Fully Matched Query, FMQ）条件，即查询仅指定混合信号中存在的活跃声。然而，在实际场景中，查询可能包含未出现在混合信号中的非活跃声。这导致完全不匹配查询（Fully Unmatched Query, FUQ）条件——查询中仅包含非活跃声，以及部分匹配查询（Partially Matched Query, PMQ）条件——查询中同时包含活跃声和非活跃声。尽管如此，针对PMQ条件下的性能下降问题的研究仍然不足。为了在PMQ条件下实现稳健的TSE，我们提出了情境感知查询细化方法。该方法基于估计的声学类别活跃情况，在推理过程中消除查询中的非活跃类别。实验结果表明，虽然传统方法在PMQ条件下表现性能下降，但所提出的方法有效缓解了这种下降，能够在多样化的查询条件下实现高鲁棒性。