Enemy Spotted：用于枪声分类与定位的游戏内枪声数据集
声音
2023-02-20 v2 人工智能
音频与语音处理
摘要
近来，基于深度学习的方法因无需领域知识且性能简单高效，在声音分类与定位任务中备受关注。然而，现有数据集中枪声的匮乏，一直是利用深度学习模型通过枪声识别罪犯的支持系统实现的主要障碍。由于枪声发生稀少且不可预测，在现实世界中收集枪声并不现实。作为替代，可从旨在模拟真实战争的第一人称射击（FPS）游戏中获取枪声。近期FPS游戏提供了逼真环境，可安全收集枪声数据并模拟危险情境。利用游戏环境优势，我们构建了名为BGG的枪声数据集，用于 firearm 分类与枪声定位任务。BGG数据集包含37种不同类型 firearms、声源与接收者间的距离及方向。我们仔细验证游戏内枪声数据具备充足信息以辨识枪声位置与类型，方法是在BGG数据集上训练若干声音分类与定位基线。随后，我们证明利用BGG数据集可提升真实世界 firearm 分类与定位任务的准确率。
引用
@article{arxiv.2210.05917,
title = {Enemy Spotted: in-game gun sound dataset for gunshot classification and localization},
author = {Junwoo Park and Youngwoo Cho and Gyuhyeon Sim and Hojoon Lee and Jaegul Choo},
journal= {arXiv preprint arXiv:2210.05917},
year = {2023}
}
备注
Accepted at IEEE Conference on Games (GoG) 2022