基于声谱图的特征学习用于人格特质评估
计算机视觉与模式识别
2022-05-10 v1
摘要
近年来，已有多种方法被提出用于分析语音并自动推断说话者的人格特质。这些方法通常依赖于韵律特征及其他使用现成工具箱提取的手工语音处理特征。为达到高准确率，通常需要使用复杂且高度参数化的算法提取大量特征。本文提出一种基于特征学习与声谱图分析的新方法，以简化特征提取过程同时保持高准确率。该方法从训练语音片段的声谱图表示中提取的图像块中学习判别性特征字典。随后，每个语音片段使用该字典进行编码，所得特征集用于执行人格特质分类。实验表明，与最新的参考方法相比，所提方法在显著降低复杂度的同时取得了当前最优结果。特征数量以及与特征提取过程相关的困难大大减少，因为仅使用一种描述符，其 6 个参数可自动调谐。相比之下，最简单的参考方法使用了 4 种描述符并应用了 6 个泛函，导致需要调谐的参数超过 20 个。
引用
@article{arxiv.1610.01223,
title = {Feature Learning from Spectrograms for Assessment of Personality Traits},
author = {Marc-André Carbonneau and Eric Granger and Yazid Attabi and Ghyslain Gagnon},
journal= {arXiv preprint arXiv:1610.01223},
year = {2022}
}
备注
12 pages, 3 figures