基于神经声学场的数据增强与检索增强预训练
音频与语音处理
2025-04-22 v1 人工智能
计算机视觉与模式识别
机器学习
声音
摘要
本报告详细阐述了MERL为ICASSP 2025生成式数据增强研讨会中房间脉冲响应（RIR）估计系统的方案，分别用于增强RIR数据（任务1）和改进说话人距离估计（任务2）。我们首先在包含RIR与几何形状配对数据的外部大规模数据集上，对基于房间几何条件的神经声学场进行预训练。随后利用包 enroll 数据针对每个目标房间对该神经声学场进行适配，具体做法是利用提供的房间几何或从外部数据集中检索得到的几何形状。最后，根据任务1指定的每个源点与接收点位置预测RIR，并利用这些RIR训练说话人距离估计模型以完成任务2。
引用
@article{arxiv.2504.14409,
title = {Data Augmentation Using Neural Acoustic Fields With Retrieval-Augmented Pre-training},
author = {Christopher Ick and Gordon Wichern and Yoshiki Masuyama and François G. Germain and Jonathan Le Roux},
journal= {arXiv preprint arXiv:2504.14409},
year = {2025}
}
备注
Presented at ICASSP 2025 GenDA Workshop