ROAM-ASD

新的主动说话人检测模型通过上下文和注册特征提高准确性

研究人员开发了新的主动说话人检测模型ROAM-ASD-C和ROAM-ASD-CR，它们通过结合上下文和说话人注册能力来改进现有方法。ROAM-ASD-C通过利用同时可见个体的证据，提高了在拥挤场景或视觉线索有限情况下的检测能力。ROAM-ASD-CR通过利用注册说话人表示（来自注册语音），即使在说话人不可见的情况下也能检测到主动说话人，从而进一步推进了这一领域。这些模型在五个基准测试中展示了最先进的性能，在视觉遮挡条件下显著提高了准确性。