May, 2024

法庭场景中我们能否识别未知音频录制环境？

PDF
TL;DR通过环境识别的鲁棒性少样本分类系统 EnvId，我们实现了对未知环境位置的取证调查，能够处理取证材料中的挑战性问题，包括信号降级、环境特征和录音位置不匹配等。
audio recordingsforensic investigationenvironment identificationunseen environment locationsfew-shot classification
发现论文，激发创造
  • 对比环境声音表示学习

    利用自监督对比技术和浅层 1D CNN 提取环境音频的显著特征，进一步使用规范相关分析（CCA）来融合来自给定音频的两种输入类型的表示，并证明融合的全局特征相对于单独的表示具有更强的鲁棒性。在 ESC-50 和 UrbanSound8K 上的评估表明，该技术能够提取环境声音的大部分特征，并分别在 ESC-50 和 UrbanSound8K 数据集上获得了 12.8％和 0.9％的改进。

    Jul, 2022

  • 基于深度学习音频分类的自动驾驶车辆环境感知改进

    该文介绍了一个基于深度卷积神经网络的音频分类框架，旨在实现自动驾驶汽车的改进环境感知，并证明了相对于现有的音频分类框架，该框架在自动驾驶汽车相关声音的情况下表现更好。

    Sep, 2022

  • 变分自编码器在环境声音感知中的成本敏感检测

    本文介绍了一种基于成本敏感的分类范式，通过选择分类器的超参数和变分自动编码器的结构来实现对假阳性率和假阴性率之间灵活控制，以检测使用简单嵌入式设备收集的声音数据集中蚊子的存在。

    Dec, 2017

  • 探讨 VoxCeleb：环境不变语音说话者识别

    通过对话者识别中未使用的 ' 视频 ' 信息进行环境对抗学习框架，我们成功实现了能够在训练期间有效学习讲话者判别性和环境不变嵌入的网络，该方法在 VoxCeleb 数据集上得到验证，证明基准测试中的性能显著提高。

    Oct, 2019

  • 利用众包训练数据在未知的声音背景中检测鸟鸣声

    通过建立鸟鸣音的生成模型和采用新颖性检测技术，可以在全球范围内使用廉价的无人值守记录站或使用移动设备上的录音和物种识别进行大规模众包，可靠地识别动物物种的能力受到限制。

    May, 2015

  • 虚拟环境中的声源定位的音频模拟

    挑战性且相关的问题是在信号受限环境中实现非直视定位。本研究利用物理基础声波传播模拟和机器学习方法，在虚拟环境中定位声源到具体位置，以克服数据不足的问题，特别是在事后定位中。通过音频变换器谱图方法，我们达到了 0.786 ± 0.0136 的 F1 得分。

    Apr, 2024

  • 利用环境特征进行音频拼接检测与定位

    该研究提出一种基于声道脉冲响应和环境噪音的音频拼接检测方法，通过静态优化阈值检测查询帧与参考帧的幅度相关性，进而比较相邻帧以提高检测准确率，实验证明该方法能够高精度地检测和定位伪造片段，并且对 MP3 压缩攻击具有鲁棒性。

    Nov, 2014

  • 通过交叉模态干扰抹除实境中的视听定位

    本文提出了 Interference Eraser（IEr）框架，用于处理复杂的真实场景中的音频 - 视觉声源定位问题。通过增强音频表示和采用跨模态引用模块的跨模态蒸馏，消除混杂声音和噪音对音频 - 视觉连接的干扰，在定量和定性评估中，我们的框架取得了在声音定位任务上卓越的结果。

    Feb, 2022

  • 地理标记音视航拍场景识别的跨任务传递

    利用声音信息结合图像信息进行空中场景识别，通过构建新的 AVANET 数据集，通过多模式的学习框架将声音事件的知识转化到空中场景识别的任务中，提高识别效果。

    May, 2020

  • 荒野中的辨识

    利用 20 个固定的相机捕获的图像构建了一个检测与分类数据库，研究旧数据处理模型对新环境的适应度，发现分类系统的泛化性表现较差。

    Jul, 2018