双通道与四通道声音事件定位与检测
声音
2023-09-26 v1 音频与语音处理
摘要
声音事件定位与检测（SELD）系统随时间估计声源的方向-of-到达（DOA）与类别。在 DCASE 2022 SELD 挑战赛（任务 3）中，模型被设计为在 4 通道设置下运行。虽然有益于推进使用多通道录音设置（如一等阶 Ambisonics（FOA））的 SELD 系统开发，但大多数消费电子设备很少能使用超过两个通道进行录音。出于此原因，在本工作中我们研究了 DCASE 2022 SELD 基线模型使用三种音频输入表示：FOA、双耳与立体声的性能。我们进行了一种新颖的比较分析，阐明这些音频输入表示对 SELD 性能的影响。关键的是，我们表明基于双耳与立体声（即 2 通道）音频的 SELD 模型仍能在横向相当好地定位与检测声源，尽管随着提供的音频信息减少整体性能下降。此外，我们按包含不同程度声源复调的场景切分分析，以更好地理解随着场景条件日益复杂，音频输入表示对定位与检测性能的影响。
引用
@article{arxiv.2309.13343,
title = {Two vs. Four-Channel Sound Event Localization and Detection},
author = {Julia Wilkins and Magdalena Fuentes and Luca Bondi and Shabnam Ghaffarzadegan and Ali Abavisani and Juan Pablo Bello},
journal= {arXiv preprint arXiv:2309.13343},
year = {2023}
}