ICASSP 2022｜快手联合发起的深度3D音频控制论挑战赛成绩发布

有数日，由慢握新形式体育部倡议热那亚罗马第一的学校（Sapienza University of Rome, Italy），在国际片段顶级决议 ICASSP 2022 上发起的最深处 3D 片段信号处理大赛（L3DAS22：Machine Learning for 3D Audio Signal Processing）战绩正式发布。此次半决赛共有来自全球有数 50 支史学界和工业界制作组甄选，半决赛成果将在明年 5 月 ICASSP 2022 大会的 Special Session 上进行时分享。

作为第一届 L3DAS21 半决赛的三冠王，慢握新形式体育部片段解法制作组在最深处自学的片段信号处理方向上持续追寻。此次制作组倡议热那亚罗马第一的学校发起大赛，旨在包括一个通用的样本集和公平的测试和平台，促进主观桥段下 3D 最深处片段信号处理新技术的分析。基于最深处自学的 3D 片段信号处理技术惹来史学界和工业界为广泛关注，在虚拟和主观决议、游戏开发、音乐制作，自动驾驶及防范等应用领域侧重运用。比起于单通道片段，3D 片段携带的增量三维声源方位资讯，有助于提升字词和感性识别、声源分离、字词减弱和去噪，以及声学Echo抑制解法的优点。

本次大赛共设置了两个训练任务：

训练任务一：多通道 3D 字词减弱训练任务，专注于办公桥段下的系统会字词减弱需求。

训练任务二：主观桥段下特定声源检测和定位训练任务，专注于自动驾驶、防范等运用桥段。

经过有数三个月的白热化角逐，大赛结果正式出炉。训练任务一之前，卡耐基弗雷泽的学校、微信和腾讯依序是前三名；之前科院声学所、重庆邮电的学校和新加坡 ForteMedia 依序是训练任务二的前三名。同时，慢握将为每个训练任务的前两名制作组包括可观金额。此次大赛样本集模拟了 40,000 余个 3D 环境，包括了 2 组 Ambisonics 格式的 3D 录音。代表队制作组的战绩通过字词可懂度指标 (Short-Time Objective Intelligibility, STOI) 和单词错误率 (Word Error Rate, WER) 两个指标进行时综合评定。

平面图 1：训练任务一: 字词减弱半决赛战绩

平面图 2：训练任务二：声源检测及定位半决赛战绩

慢握新形式体育部汇聚了片段应用领域顶尖人才，为基础慢握业务推进了依托解法的运用和上到，侧重系统会字词通信、片段音效及后处理、片段内容明白、片段编解码、片段硬件等多个应用领域。制作组团体在 IEEE ICASSP、Interspeech、ACM/IEEE TALSP 等顶级学术决议和期刊上，均有发表系列学术论文，并多次斩获片段大赛三冠王。

慢握定义的「新形式」不涵盖画面观感，更合理化「视」「听」统一的极致体验。在多种不同桥段之前，慢握新形式体育部通过将比较丰富的片段处理潜能与片段处理潜能相为基础，自动形成解法决策，为浏览器呈现真正的视听盛宴。对于依托技术，制作组将持续投入研发与追寻，保持良好领先，以应对颇为比较丰富多元的运用桥段。

半决赛官网：