MFF-EINV2：面向声音事件定位与检测的跨频谱-空间-时间域多尺度特征融合

声音事件定位与检测（SELD）涉及使用多通道录音检测和定位声音事件。先前提出的事件独立网络V2（EINV2）在SELD上取得了出色性能。然而，它在有效提取跨频谱、空间和时间域的特征方面仍面临挑战。本文提出了一种名为多尺度特征融合（MFF）模块的三阶段网络结构，以充分提取跨频谱、空间和时间域的多尺度特征。MFF模块利用并行子网络架构生成多尺度频谱和空间特征。采用TF-卷积模块提供多尺度时间特征。我们将MFF融入EINV2，并将所提方法称为MFF-EINV2。在2022年和2023年DCASE挑战赛任务3数据集上的实验结果表明，我们的MFF-EINV2是有效的，与已发表方法相比达到了最先进的性能。