跳到正文
arXiv · 机器人与计算机视觉· Pu Wang, Hugo Van hamme·· 24 天前AI 评分51

超越可见说话人:基于上下文感知与说话人注册的主动说话人检测

Beyond Visible Speakers: Context-Aware Active Speaker Detection with Speaker Registration

AI 导读

针对拥挤场景或无视觉证据时的主动说话人检测难题,作者提出 ROAM-ASD-C 和 ROAM-ASD-CR 模型。前者通过联合推理多个候选者获取互补证据,后者利用注册说话人的语音表征实现不可见状态下的发言检测。该方法在 AVA、WASD 等五个基准测试中达到最先进水平,且在目标视觉信息缺失时仍保持高性能。

来源:arXiv · 机器人与计算机视觉 · arxiv.org