HappyQuokka系统参与ICASSP 2023听觉EEG挑战赛
声音
2023-05-12 v1 音频与语音处理
摘要
本报告描述了我们提交至ICASSP 2023信号处理大挑战（SPGC）听觉EEG解码挑战赛任务2的方案。任务2是一个回归问题，侧重于从EEG信号重建语音包络。针对该任务，我们提出了一种预层归一化前馈Transformer（FFT）架构。对于被试内生成，我们额外利用一个辅助全局条件器，为模型提供关于已见个体的附加信息。实验结果表明，我们提出的方法优于VLAAI基线及所有其他提交系统。值得注意的是，该方法在被试内任务上表现出显著改进，这可能得益于我们对辅助全局条件器的使用。根据挑战赛设定的评估指标，我们在被试内生成测试中获得Pearson相关系数值0.1895±0.0869，在留出被试测试中获得0.0976±0.0444。我们在线发布了模型的训练代码。
引用
@article{arxiv.2305.06806,
title = {HappyQuokka System for ICASSP 2023 Auditory EEG Challenge},
author = {Zhenyu Piao and Miseul Kim and Hyungchan Yoon and Hong-Goo Kang},
journal= {arXiv preprint arXiv:2305.06806},
year = {2023}
}
备注
First Place in Task 2 of Auditory EEG decoding Challenge, which is part of ICASSP Signal Processing Grand Challenge (SPGC) 2023