SALADnet：Ambisonics 域中基于自注意力的多源定位
声音
2021-07-26 v1 音频与语音处理
摘要
在这项工作中，我们提出了一种新颖的基于自注意力的神经网络，用于从 Ambisonics 录音中进行稳健的多说话人定位。从最先进的卷积循环神经网络出发，我们研究了用继承自 Transformer 架构的自注意力编码器替代循环层的益处。我们在多达 3 个同时说话人的合成和真实数据上评估了这些模型。获得的结果表明，所提出的大多数架构表现与 CRNN 基线持平或更优，尤其是在多源场景中。此外，通过避免使用循环层，所提出的模型适合并行计算，这被证明可以显著节省执行时间。
引用
@article{arxiv.2107.11066,
title = {SALADnet: Self-Attentive multisource Localization in the Ambisonics Domain},
author = {Pierre-Amaury Grumiaux and Srdan Kitic and Prerak Srivastava and Laurent Girin and Alexandre Guérin},
journal= {arXiv preprint arXiv:2107.11066},
year = {2021}
}
备注
Accepted to Workshop on Applications of Signal Processing to Audio and Acoustics