用于自动内容识别的鲁棒轻量音频指纹
声音
2023-05-18 v2 信息检索
音频与语音处理
摘要
本研究论文提出了一种用于自动内容识别（ACR）的新型音频指纹系统。通过使用信号处理技术和统计变换，我们提出的方法生成音频片段的紧凑指纹，这些指纹对真实世界音频中存在的噪声退化具有鲁棒性。该系统设计为高可扩展性，能够利用来自数百万台电视生成的指纹识别数千小时的内容。指纹的高时间相关性及对现有GPU兼容近似最近邻（ANN）搜索算法的利用使之成为可能。此外，指纹生成可在计算能力有限的低功耗设备上运行，使其可应用于广泛场景。实验结果表明，与基于min-hash的音频指纹相比，我们提出的系统在所有评估指标上均有改进，包括专有ACR数据集上的准确率、检索速度、内存使用以及对各种噪声的鲁棒性。在相似检索准确率下，我们的系统比min-hash方法快30倍，且使用的指纹少6倍。
引用
@article{arxiv.2305.09559,
title = {Robust and lightweight audio fingerprint for Automatic Content Recognition},
author = {Anoubhav Agarwaal and Prabhat Kanaujia and Sartaki Sinha Roy and Susmita Ghose},
journal= {arXiv preprint arXiv:2305.09559},
year = {2023}
}