論文の概要: A Review of Sound Source Localization with Deep Learning Methods

• arxiv url: http://arxiv.org/abs/2109.03465v1
• Date: Wed, 8 Sep 2021 07:25:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-10 01:36:12.940817
• Title: A Review of Sound Source Localization with Deep Learning Methods
• Title（参考訳）: 深層学習手法による音源定位の検討
• Authors: Pierre-Amaury Grumiaux, Sr{\dj}an Kiti\'c, Laurent Girin, Alexandre Gu\'erin
• Abstract要約: 本稿では,単音源および複数音源の音源定位のための深層学習手法について概説する。 この文脈におけるニューラルネットワークを用いた局所化文献の網羅的なトポグラフィーを提供する。 文献レビューを要約したテーブルをレビューの最後に提供し、所定の対象特性のセットでメソッドを素早く検索する。
• 参考スコア（独自算出の注目度）: 71.18444724397486
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article is a review on deep learning methods for single and multiple sound source localization. We are particularly interested in sound source localization in indoor/domestic environment, where reverberation and diffuse noise are present. We provide an exhaustive topography of the neural-based localization literature in this context, organized according to several aspects: the neural network architecture, the type of input features, the output strategy (classification or regression), the types of data used for model training and evaluation, and the model training strategy. This way, an interested reader can easily comprehend the vast panorama of the deep learning-based sound source localization methods. Tables summarizing the literature review are provided at the end of the review for a quick search of methods with a given set of target characteristics.
• Abstract（参考訳）: 本稿では,単音源および複数音源の音源定位のための深層学習手法について概説する。 特に,残響や拡散音が存在する屋内・地域環境における音源定位に注目する。 ニューラルネットワークのアーキテクチャ,入力特徴の種類,出力戦略(分類や回帰),モデルのトレーニングや評価に使用されるデータの種類,モデルトレーニング戦略など,いくつかの側面から整理した,この文脈におけるニューラルネットワークのローカライゼーション文献の徹底的なトポロジーを提供する。 このように、興味のある読者は、深層学習に基づく音源定位手法の膨大なパノラマを理解することができる。 文献レビューを要約した表をレビューの最後に提供し、所定の対象特性のセットでメソッドをクイック検索する。

関連論文リスト

• Aligning Sight and Sound: Advanced Sound Source Localization Through Audio-Visual Alignment [50.92136296059296]
  相互モーダルな相互作用は、意味的に一致した、あるいは不一致した音声視覚イベントを理解するのに不可欠である。 新しいベンチマークと評価指標は、音源定位研究でこれまで見過ごされていた問題を明らかにする。 この研究は、これまでで最も包括的な音源定位解析を提供する。
  論文  参考訳（メタデータ） (2024-07-18T16:51:15Z)
• T-VSL: Text-Guided Visual Sound Source Localization in Mixtures [33.28678401737415]
  マルチソース・ミックスからオーディオ・ビジュアル・ソース・コンパレンスをアンタングルするフレームワークを開発する。 我々のフレームワークは、テスト期間中に見つからないクラスに対して、ゼロショットの転送可能性を示す。 MUSIC、VGGSound、VGGSound-Instrumentsデータセットで実施された実験は、最先端の手法よりも大幅に性能が向上したことを示している。
  論文  参考訳（メタデータ） (2024-04-02T09:07:05Z)
• Sound event localization and classification using WASN in Outdoor Environment [2.234738672139924]
  音声イベントのローカライゼーションと分類の方法は、通常は単一のマイクロホンアレイに依存する。 音源の位置とクラスを推定するために,複数の特徴と注意機構を用いた深層学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-03-29T11:44:14Z)
• Matching Text and Audio Embeddings: Exploring Transfer-learning Strategies for Language-based Audio Retrieval [11.161404854726348]
  本稿では,クロスモーダル(テキスト・トゥ・オーディオ)検索に用いる大規模事前学習モデルの解析を行う。 我々は、これらのモデルから抽出された埋め込みをメトリクス学習フレームワークで使用し、一致するオーディオとテキストのペアを接続する。
  論文  参考訳（メタデータ） (2022-10-06T11:45:14Z)
• Acoustic-Net: A Novel Neural Network for Sound Localization and Quantification [28.670240455952317]
  アコースティックネットと呼ばれる新しいニューラルネットワークが提案され、音源の特定と定量化が可能である。 実験により,提案手法は音源予測の精度と計算速度を大幅に向上させることを示した。
  論文  参考訳（メタデータ） (2022-03-31T12:20:09Z)
• Unsupervised Audio Source Separation Using Differentiable Parametric Source Models [8.80867379881193]
  本研究では,教師なしモデルに基づく深層学習手法を提案する。 ニューラルネットワークは、観測された混合物をソースの和として再構成するように訓練される。 音声アンサンブル分離タスクの実験評価により,提案手法が学習自由法より優れていることが示された。
  論文  参考訳（メタデータ） (2022-01-24T11:05:30Z)
• PILOT: Introducing Transformers for Probabilistic Sound Event Localization [107.78964411642401]
  本稿では,受信したマルチチャンネル音声信号の時間的依存性を自己アテンション機構によってキャプチャする,トランスフォーマーに基づく新しい音声イベント定位フレームワークを提案する。 このフレームワークは, 公開されている3つの音声イベントローカライズデータセットを用いて評価し, 局所化誤差と事象検出精度の点で最先端の手法と比較した。
  論文  参考訳（メタデータ） (2021-06-07T18:29:19Z)
• Deep Learning Based Text Classification: A Comprehensive Review [75.8403533775179]
  本稿では,近年開発されたテキスト分類のための150以上のディープラーニングモデルについてレビューする。 また、テキスト分類に広く使われている40以上の一般的なデータセットの要約も提供する。
  論文  参考訳（メタデータ） (2020-04-06T02:00:30Z)
• Unsupervised Cross-Modal Audio Representation Learning from Unstructured Multilingual Text [69.55642178336953]
  教師なし音声表現学習へのアプローチを提案する。 3重項ニューラルネットワークアーキテクチャに基づいて、意味論的に関連付けられたクロスモーダル情報を用いて、音声トラック関連性を推定する。 我々のアプローチは、様々なアノテーションスタイルと、このコレクションの異なる言語に不変であることを示す。
  論文  参考訳（メタデータ） (2020-03-27T07:37:15Z)
• Non-Local Part-Aware Point Cloud Denoising [55.50360085086123]
  本稿では,点群を識別する非局所部分認識ディープニューラルネットワークを提案する。 グラフアテンションモジュールでカスタマイズした非局所学習ユニット(NLU)を設計し、非局所意味論的特徴を適応的にキャプチャする。 雑音発生性能を向上させるため,ノイズ特性をノイズ入力から段階的に抽出するために,一連のNLUをカスケードする。
  論文  参考訳（メタデータ） (2020-03-14T13:51:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。