MAGENTA：基于幅度与几何增强的稳健长尾声音事件定位与检测
音频与语音处理
2025-09-22 v1 声音
摘要
基于深度学习的声音事件定位与检测（SELD）系统在现实世界的长尾数据集上性能显著下降。标准回归损失会偏向频繁类别，导致罕见事件被系统性地低估。为解决这一挑战，我们提出了 MAGENTA（Magnitude And Geometry-ENhanced Training Approach），一种在物理可解释的向量空间中抵消偏差的统一损失函数。MAGENTA 将回归误差在径向与角向分量上进行几何分解，实现针对性的稀有感知惩罚和强化方向建模。实验表明，MAGENTA 在不平衡的真实数据集上显著提升了 SELD 性能，为一类几何感知的 SELD 目标提供了原则性基础。代码已公开：https://github.com/itsjunwei/MAGENTA_ICASSP
引用
@article{arxiv.2509.15599,
title = {MAGENTA: Magnitude and Geometry-ENhanced Training Approach for Robust Long-Tailed Sound Event Localization and Detection},
author = {Jun-Wei Yeow and Ee-Leng Tan and Santi Peksi and Woon-Seng Gan},
journal= {arXiv preprint arXiv:2509.15599},
year = {2025}
}
备注
This work has been submitted to IEEE ICASSP 2026 for possible publication