DCASE 2022 挑战赛中的基于语言的音频检索任务
音频与语音处理
2022-10-06 v3
摘要
基于语言的音频检索是一项以自然语言文本描述作为查询、从数据集中检索音频信号的任务。该任务首次作为任务 6 的子任务 6B 引入 DCASE 2022 挑战赛，旨在开发计算系统以建模音频信号与自由形式文本描述之间的关系。相较于针对音频信号生成音频描述的音频描述生成（子任务 6A），基于语言的音频检索（子任务 6B）侧重于依据音频信号与自然语言文本描述的相关性对其进行排序。在 DCASE 2022 挑战赛中，子任务 6B 所提供的基线系统被显著超越，其最优性能在 mAP@10 指标下达到 0.276。本文从提交系统的性能与分析角度呈现子任务 6B 的结果。
引用
@article{arxiv.2206.06108,
title = {Language-based Audio Retrieval Task in DCASE 2022 Challenge},
author = {Huang Xie and Samuel Lipping and Tuomas Virtanen},
journal= {arXiv preprint arXiv:2206.06108},
year = {2022}
}
备注
Accepted at DCASE 2022 Workshop