基于对应分类器的自监督音频空间化方法

空间音频是观众获得 3D 视觉与听觉体验的重要媒介。然而，录音设备与技术对大众而言昂贵或难以获取。在本工作中，我们提出一种自监督音频空间化网络，可在给定相应视频与单声道音频的情况下生成空间音频。为提升空间化性能，我们使用一个辅助分类器对真实视频与左右声道互换音频的视频进行分类。我们收集了一个大规模带空间音频的视频数据集来验证所提方法。实验结果证明了该模型在音频空间化任务上的有效性。