TAU2019

新的AT2SELD框架通过空间声音检测增强音频标记

研究人员开发了一个名为AT2SELD的新框架，该框架将通用音频标记模型扩展到执行空间定位的声音事件定位与检测。该框架集成了预训练的音频标记骨干网络和紧凑型一阶Ambisonics空间处理，能够在各种约束下进行更准确的声音事件分析。AT2SELD框架通过多阶段神经架构搜索开发，确定了光谱描述符和残差空间编码作为有效的语义到空间转换的关键组成部分。跨多个数据集的诊断评估显示AT2SELD取得了有希望的结果，特别是在集成校准和面向部署的策略优化后。