論文の概要: Microphone Geometry Aware Regional Target Speaker Extraction

• arxiv url: http://arxiv.org/abs/2611.00894v1
• Date: Sat, 31 Oct 2026 12:52:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-13 09:14:18.329951
• Title: Microphone Geometry Aware Regional Target Speaker Extraction
• Title（参考訳）: 局所目標話者抽出を考慮したマイクロホン幾何学
• Abstract要約: 地域目標話者抽出(RSE)は,特定角度領域から発する音声を抽出することを目的としている。 RSE法は通常、固定されたマイクロホン配列とマイクロホン番号を仮定する。 様々なマイクロホンアレイとマイクロホン番号で抽出できる幾何対応 RSE フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 38.419689452098716
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Regional target speaker extraction (RSE) aims to extract speech originating from a specified angular region, relaxing the requirement for precise target speaker location when performing location based speech extraction. However, existing RSE methods typically assume a fixed microphone array configuration and microphone number, limiting their applicability to unseen microphone geometries and varying numbers of microphones. In this work, we propose a geometry-aware RSE framework capable of extract with varying microphone array geometry and microphone numbers. Specifically, we introduce an attention-based multichannel front-end to encode inter-microphone phase information, together with a spatial audio reconstruction-based auxiliary objective to improve the front-end spatial representations quality. Experimental results demonstrate that the proposed framework improves SI-SDRi by 5.1 dB over geometry-aware baselines across microphone arrays with four-microphones, while maintaining a performance gap of less than 0.6 dB compared with a tetrahedral geometry-specific baseline when evaluated on the tetrahedral microphone array.
• Abstract（参考訳）: 地域目標話者抽出(RSE)は、特定角度領域から発する音声を抽出することを目的としており、位置に基づく音声抽出を行う際に、正確なターゲット話者位置の要求を緩和することを目的としている。 しかし、既存のRSE法は固定されたマイクロホン配列とマイクロホン番号を前提としており、未確認のマイクロホンジオメトリと様々な数のマイクロホンに適用可能である。 本研究では,様々なマイクロホンアレイ形状とマイクロホン番号で抽出できる幾何対応RSEフレームワークを提案する。 具体的には、マイクロホン間位相情報をエンコードするアテンションベースのマルチチャネルフロントエンドと、空間的オーディオ再構成に基づく補助的目的を導入し、フロントエンドの空間的表現の質を向上させる。 実験により,4マイクロホンを用いたマイクロホンアレイ間の幾何認識ベースラインよりもSI-SDRiを5.1dB向上させるとともに,テトラヘドラル幾何固有ベースラインと比較して0.6dB未満の性能ギャップを保ちながら,SI-SDRiを5.1dB向上させることを示した。

関連論文リスト

• SEA-LM: Egocentric Spatial Audio Understanding for Wearable Microphone Arrays [57.109108837322005]
  本稿では、ソース位置とエゴ中心の音声活動検出目標に基づいて訓練された、レイアウトフレキシブルな空間オーディオエンコーダFOACODERを紹介する。 我々は、これらの空間的オーディオ埋め込みを理解するために、MLLM(Multimodal Large Language Model)を訓練する。 評価セットでは,SEA-LMは,低方位,高高度MAE,高時間IoU,低外因性幻覚,低ソース率を実現している。
  論文  参考訳（メタデータ） (2026-10-04T23:20:54Z)
• PhaseCoder: Microphone Geometry-Agnostic Spatial Audio Understanding for Multimodal LLMs [9.985118023353897]
  本稿では,変圧器のみの空間オーディオエンコーダであるPyseCoderを紹介する。 PhaseCoderは、生のオーディオとマイクロフォンの座標を入力として、ローカライゼーションを行い、堅牢な空間埋め込みを生成する。 マイクロホン不変ローカライゼーションベンチマークにおいて,エンコーダの動作状態を示すとともに,LLMが任意のマイクロホンアレイから複雑な空間的推論および目標転写タスクを行うことを可能にする。
  論文  参考訳（メタデータ） (2026-01-28T23:39:31Z)
• Multi-microphone Automatic Speech Segmentation in Meetings Based on Circular Harmonics Features [0.0]
  円形高調波領域(CH-DOA)の方向推定に基づく新しい空間的特徴セットを提案する。 AMIミーティングコーパスの実験では、CH-DOAは非活性化マイクロホンの場合の堅牢さを保ちながらセグメンテーションを改善することができる。
  論文  参考訳（メタデータ） (2023-06-07T09:09:00Z)
• Continuous Speech Separation with Ad Hoc Microphone Arrays [35.87274524040486]
  音声分離は複数話者音声認識に有効であることが示された。 本稿では,このアプローチを連続音声分離に拡張する。 単一話者セグメントにおける音声問題を緩和する2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-03-03T13:01:08Z)
• Scene-Agnostic Multi-Microphone Speech Dereverberation [47.735158037490834]
  本稿では,数と位置が不明なマイクロホンアレイに対処可能なNNアーキテクチャを提案する。 提案手法は,残響対数スペクトルを向上するアーキテクチャを設計するために,集合構造データの深層学習を活用している。
  論文  参考訳（メタデータ） (2020-10-22T17:13:12Z)
• Multi-microphone Complex Spectral Mapping for Utterance-wise and Continuous Speech Separation [79.63545132515188]
  残響条件下での話者分離のためのマルチマイクロホン複合スペクトルマッピングを提案する。 本システムは,所定の形状に配置された固定数のマイクロホンに基づいて,室内インパルス応答のシミュレーションに基づいて学習する。 シミュレーションされたSMS-WSJコーパスと実記録したLibriCSSデータセット上で,最先端の分離性能が得られる。
  論文  参考訳（メタデータ） (2020-10-04T22:13:13Z)
• Continuous speech separation: dataset and analysis [52.10378896407332]
  自然な会話では、音声信号は連続的であり、重複成分と重複成分の両方を含む。 本稿では,連続音声分離アルゴリズムを評価するためのデータセットとプロトコルについて述べる。
  論文  参考訳（メタデータ） (2020-01-30T18:01:31Z)

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。