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
2022-10-05 v3 声音
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 被引入 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。与针对音频信号生成音频描述的音频描述生成（子任务 6A）相比，基于语言的音频检索（子任务 6B）侧重于根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 下达到 0.276。本文从提交系统性能与分析的角度呈现子任务 6B 的结果。
引用
@article{arxiv.2209.09967,
title = {Language-based Audio Retrieval Task in DCASE 2022 Challenge},
author = {Huang Xie and Samuel Lipping and Tuomas Virtanen},
journal= {arXiv preprint arXiv:2209.09967},
year = {2022}
}
备注
Update for arXiv:2206.06108 mistakenly submitted as a new article