声事件定位与检测为何困难？来自错误分析的洞见
音频与语音处理
2021-10-28 v2 人工智能
机器学习
声音
信号处理
摘要
声事件定位与检测（SELD）是一个新兴的研究方向，旨在统一声事件检测与到达方向估计两项任务。因此，SELD 继承了这两类任务的挑战，例如噪声、混响、干扰、复音以及声源的非平稳性。此外，SELD 常面临一项额外挑战：为多个重叠声事件在检测出的声类别与到达方向之间建立正确对应。先前研究表明，混响环境中的未知干扰常导致 SELD 系统性能严重退化。为深入理解 SELD 任务的挑战，我们对两套 SELD 系统进行了细致的错误分析，二者均在 DCASE SELD 挑战赛团队类别中排名第二，分别为 2020 年与 2021 年。实验结果表明，复音是 SELD 的主要挑战，其源于难以检测出所有感兴趣的声事件。此外，对于训练集中占主导的复音场景，SELD 系统往往产生更少的错误。
引用
@article{arxiv.2107.10469,
title = {What Makes Sound Event Localization and Detection Difficult? Insights from Error Analysis},
author = {Thi Ngoc Tho Nguyen and Karn N. Watcharasupat and Zhen Jian Lee and Ngoc Khanh Nguyen and Douglas L. Jones and Woon Seng Gan},
journal= {arXiv preprint arXiv:2107.10469},
year = {2021}
}
备注
Accepted for the 6th Workshop on Detection and Classification of Acoustic Scenes and Events (DCASE), 2021