噪声声景中弱监督的源特定声级估计
音频与语音处理
2021-08-02 v2 声音
摘要
尽管对于何种声源、何时出现以及源自何处的估计已被充分研究，但这些声源有多响的估计常被忽视。当前针对此任务（我们称之为源特定声级估计，SSSLE）的解决方案面临挑战，原因在于获取真实数据的不实用性以及对真实录音条件缺乏鲁棒性。近期提出的弱监督源分离提供了一种利用片段级源标注训练源分离模型的手段，我们通过改进损失函数对其增强，以弥合源分离与 SSSLE 之间的差距并应对背景的存在。我们表明，与基线源分离模型相比，我们的方法提升了 SSSLE 性能，并提供了消融分析以探究我们方法的设计选择，显示出在实际录音与标注场景中进行 SSSLE 是可行的。
引用
@article{arxiv.2105.02911,
title = {Weakly Supervised Source-Specific Sound Level Estimation in Noisy Soundscapes},
author = {Aurora Cramer and Mark Cartwright and Fatemeh Pishdadian and Juan Pablo Bello},
journal= {arXiv preprint arXiv:2105.02911},
year = {2021}
}
备注
5 pages, 3 figures, WASPAA 2021 preprint