用于音频事件分类与人类感知烦恼度预测的多级图学习
音频与语音处理
2023-12-18 v1 声音
摘要
世界卫生组织关于环境噪声的报告估计，有 2200 万人遭受由各种来源的音频事件 (AE) 引起的慢性烦恼。烦恼可能导致健康问题，并对代谢和认知系统产生不良影响。在城市中，仅监测噪声水平无法提供有关显著 AE 的洞察，更不用说它们与烦恼的关系。为了创建与烦恼相关的监测，本文提出了一种基于图的模型来识别声景中的 AE，并探索不同 AE 与人类感知烦恼度评级 (AR) 之间的关系。具体而言，本文提出了一种基于局部和全局语义图的轻量级多级图学习 (MLGL)，以同时执行音频事件分类 (AEC) 和人类烦恼度评级预测 (ARP)。实验表明：1) 具有 4.1 M 参数的 MLGL 通过利用局部和全局上下文感知图中的语义节点信息，改善了 AEC 和 ARP 的结果；2) MLGL 能很好地捕捉粗粒度与细粒度 AE 及 AR 之间的关系；3) 对 MLGL 结果的统计分析表明，来自不同来源的某些 AE 与 AR 显著相关，这与先前关于人类对这些声源感知的研究相一致。
引用
@article{arxiv.2312.09952,
title = {Multi-level graph learning for audio event classification and human-perceived annoyance rating prediction},
author = {Yuanbo Hou and Qiaoqiao Ren and Siyang Song and Yuxin Song and Wenwu Wang and Dick Botteldooren},
journal= {arXiv preprint arXiv:2312.09952},
year = {2023}
}
备注
Accepted by ICASSP 2024