不规则运动说话人跟踪：数据集与指标
音频与语音处理
2025-06-16 v1 声音
信号处理
摘要
本文提出了不规则和移动源跟踪的问题，即在源非活跃时可能改变位置的源。此问题鲜有探索，大多数当前跟踪方法依赖空间观察进行轨迹身份管理。它们要么基于前置定位步骤，要么设计用于预测有序位置估计的联合定位和跟踪。这引发了一个疑问：当处理不连续的空间轨迹（可能因静默期方向改变而产生）时，这类方法能否维持可靠的轨迹身份分配性能。我们引入 LibriJump，一个新的数据集，包含以 First Order Ambisonics 格式呈现的声学场景，专注于说话人跟踪。数据集中的说话人在非活跃期间具有位置变化，从而模拟不连续的轨迹。为衡量身份分配性能，我们提议使用来自计算机视觉社区的跟踪关联指标。我们提供的实验显示，关联指标与先前使用的跟踪指标在连续和不连续空间轨迹之间具有互补性。
引用
@article{arxiv.2506.11145,
title = {Tracking of Intermittent and Moving Speakers : Dataset and Metrics},
author = {Taous Iatariene and Alexandre Guérin and Romain Serizel},
journal= {arXiv preprint arXiv:2506.11145},
year = {2025}
}