ToS: 動画内の距離推定を伴うステレオ音響イベントの定位と検出のためのスペシャリストチーム・アンサンブルフレームワーク

要約

動画内の3D音響イベント定位・検出（3D SELD）における課題に対し、3つの特化型サブネットワークを統合した「Team of Specialists（ToS）」フレームワークを提案。意味・空間・時間の各次元に特化したモデルが協調することで、DCASE2025のベンチマークにおいて既存手法を一貫して上回る性能を実証しました。

全文は有料プランで閲覧できます。