用于声源跟踪应用的置换不变循环神经网络
音频与语音处理
2024-02-29 v1 机器学习
声音
信号处理
摘要
许多基于神经网络的多声源定位与跟踪模型在其最终阶段使用一个或多个循环层来跟踪声源的运动。常规的循环神经网络（RNNs），例如长短期记忆（LSTMs）或门控循环单元（GRUs），以一个向量作为输入并用另一个向量存储其状态。然而，这种方法导致所有声源的信息都包含在一个单一的有序向量中，这对于诸如多声源跟踪之类的置换不变问题并非最优。在本文中，我们提出一种新的循环架构，它使用无序集合来表示其输入和状态，并且对输入集合的置换不变、对状态集合的置换等变。因此，每个声源的信息由一个独立的嵌入表示，且新估计值被分配到被跟踪的轨迹上而与其顺序无关。
引用
@article{arxiv.2306.08510,
title = {Permutation Invariant Recurrent Neural Networks for Sound Source Tracking Applications},
author = {David Diaz-Guerra and Archontis Politis and Antonio Miguel and Jose R. Beltran and Tuomas Virtanen},
journal= {arXiv preprint arXiv:2306.08510},
year = {2024}
}
备注
Accepted for publication at Forum Acusticum 2023