Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

SPUR: A Plug-and-Play Framework for Integrating Spatial Audio Understanding and Reasoning into Large Audio-Language Models

Created by
  • Haebom
Category
Empty

저자

S Sakshi, Vaibhavi Lokegaonkar, Neil Zhang, Ramani Duraiswami, Sreyan Ghosh, Dinesh Manocha, Lie Lu

개요

SPUR는 대규모 오디오-언어 모델(LALMs)에 최소한의 구조적 변경을 통해 공간 인식을 부여하는 경량 플러그인 접근 방식입니다. 이는 (i) First-Order Ambisonics (FOA) 인코더를 사용하여 (W, X, Y, Z) 채널을 회전 인식, 청취자 중심의 공간 특징으로 매핑하고, 다중 모달 어댑터를 통해 대상 LALMs에 통합합니다. (ii) 상대적 방향, 고도, 거리 및 중첩에 중점을 둔 SPUR-Set, 공개 소스 FOA 녹음과 제어된 시뮬레이션을 결합한 공간 QA 데이터 세트를 사용합니다. SPUR-Set에서 모델을 미세 조정하면 일반적인 오디오 이해를 유지하면서 공간 QA 및 다중 화자 속성을 일관되게 개선합니다.

시사점, 한계점

시사점:
공간 인식을 위해 LALMs에 적용할 수 있는 경량 플러그인 방식 제시.
회전 인식, 청취자 중심의 공간 특징을 활용.
공간 QA를 위한 SPUR-Set 데이터 세트 개발.
공간 QA와 다중 화자 속성 개선 효과 입증.
한계점:
monaural 입력 기반의 LALMs에만 적용 가능.
FOA 인코더 및 SPUR-Set의 성능에 의존적.
일반적인 오디오 이해를 유지하면서 공간 인식 능력을 향상시키는 데 초점.
👍