消除基于分类的声源定位中的量化误差
音频与语音处理
2024-01-30 v2
摘要
声源定位(SSL)涉及估计声源的方向角(DOA)。由于DOA估计的输出空间是连续的，回归可能更适合DOA，提供更高的精度。然而在实践中，分类通常优于回归，对干扰表现出更强的鲁棒性。反之，分类的缺点是固有的量化误差。在分类范式内，DOA输出空间被离散化为区间，每个区间被视为一个类别。这些类别表现出强烈的类间相关性，具有内在有序性，且区间越接近相似度越高。然而这一点尚未被充分利用。为此，我们提出无偏标签分布(ULD)以消除训练目标中的量化误差。此外，我们为软标签族定制了两个损失函数：负对数绝对误差(NLAE)和无需激活的均方误差(MSE(wo))。最后，我们引入加权相邻解码(WAD)以克服模型预测解码过程中的量化误差。实验结果表明，我们的方法超越了分类量化极限，取得了最先进的性能。我们的代码和补充材料可在 https://github.com/linfeng-feng/ULD 获取。
引用
@article{arxiv.2311.12305,
title = {Eliminating Quantization Errors in Classification-Based Sound Source Localization},
author = {Linfeng Feng and Xiao-Lei Zhang and Xuelong Li},
journal= {arXiv preprint arXiv:2311.12305},
year = {2024}
}
备注
12 pages