MHANet：用于听觉注意力检测的多尺度混合注意力网络
人机交互
2025-05-22 v1 声音
音频与语音处理
摘要
听觉注意力检测 (AAD) 旨在从脑信号（如脑电图，EEG）中检测多说话人环境中的目标说话者，已取得显著进展。然而，大多数 AAD 方法仅顺序地利用注意力机制，忽略了 EEG 信号中有价值的多尺度上下文信息，限制了其同时捕获长短程时空依赖的能力。为此，本文提出一种用于 AAD 的多尺度混合注意力网络 (MHANet)，包括多尺度混合注意力 (MHA) 模块和时空卷积 (STC) 模块。具体而言，MHA 结合了通道注意力和多尺度时序和全局注意力机制，有效提取 EEG 信号中的多尺度时序模式，同时捕获长短程时空依赖。为进一步提高 AAD 性能，STC 利用时序和空间卷积来聚合富有表现力的时空表征。实验结果表明，所提出的 MHANet 在三个数据集上实现了最先进的性能，参数数量比最先进模型低 3 倍。代码已公开：https://github.com/fchest/MHANet。
引用
@article{arxiv.2505.15364,
title = {MHANet: Multi-scale Hybrid Attention Network for Auditory Attention Detection},
author = {Lu Li and Cunhang Fan and Hongyu Zhang and Jingjing Zhang and Xiaoke Yang and Jian Zhou and Zhao Lv},
journal= {arXiv preprint arXiv:2505.15364},
year = {2025}
}