将说话人日志重构为强调拓扑结构的社区检测问题
声音
2022-04-27 v1 机器学习
音频与语音处理
摘要
尽管端到端日志近期有所发展，基于聚类的说话人日志仍是现实中的主要方法之一。然而，聚类方法在说话人日志中尚未被充分探索。常用方法如 k-means、谱聚类和聚合层次聚类仅考虑了邻近性与相对密度等性质。本文将基于聚类的日志视为社区检测问题，从而考虑拓扑结构。本工作有四点主要贡献：首先表明 Leiden 社区检测算法在说话人片段聚类上显著优于以往方法；其次，我们提出使用均匀流形逼近在保留全局与局部拓扑结构的同时降维；第三，引入掩码滤波方法以提取“干净”的说话人嵌入；最后，将社区结构应用于端到端后处理网络以获得日志结果。最终系统实现了高达 70% 的相对 DER 降低，并分析了各部分的贡献分解。
引用
@article{arxiv.2204.12112,
title = {Reformulating Speaker Diarization as Community Detection With Emphasis On Topological Structure},
author = {Siqi Zheng and Hongbin Suo},
journal= {arXiv preprint arXiv:2204.12112},
year = {2022}
}
备注
ICASSP 2022