HCU400：一个通过因果不确定性探索听觉现象学的标注数据集
音频与语音处理
2019-11-14 v2 计算与语言
声音
摘要
我们感知声音的方式取决于诸多方面——其生态频率、声学特征、典型性，以及最显著的，其所识别的声源。本文中，我们提出 HCU400：一个包含 402 个声音的数据集，范围从易于识别的日常声音到有意模糊的人工声音。作为现有最大的包含因果归因分析的音频数据集，它旨在降低听觉现象学研究的门槛。每个样本均经众包描述标注，以及熟悉度、表象性、唤醒度与效价评分。我们扩展了现有的因果不确定性计算，利用词嵌入将其自动化并推广。经分析我们发现，随着声音声源愈发模糊，个体给出的情绪评分极化程度更低；而熟悉度与表象性的个体评分则随着不确定性增加而发散，尽管平均上存在明显的负向趋势。
引用
@article{arxiv.1811.06439,
title = {HCU400: An Annotated Dataset for Exploring Aural Phenomenology Through Causal Uncertainty},
author = {Ishwarya Ananthabhotla and David B. Ramsay and Joseph A. Paradiso},
journal= {arXiv preprint arXiv:1811.06439},
year = {2019}
}