Le Thien Phuc Nguyen

新的UniTalk数据集挑战主动说话人检测模型

研究人员推出了UniTalk，一个旨在通过关注真实世界条件来改进主动说话人检测（ASD）模型的新数据集。与之前主要使用老电影的基准不同，UniTalk包含多样化的视频类型，涵盖了代表性不足的语言、嘈杂的背景和拥挤的场景。评估表明，当前最先进的模型在UniTalk上的表现不佳，表明ASD在现实场景中仍是一个未解决的问题。然而，在UniTalk上训练的模型在泛化到其他当代数据集方面表现更好。